Codestral vs DeepSeek-Coder-V2 236B
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Codestral von Mistral AI und DeepSeek-Coder-V2 236B von DeepSeek gehören zu den führenden KI-Modellen. Codestral bietet ein Kontextfenster von 256K Tokens bei API-Preisen von $0.20/$0.60 pro 1M Tokens, während DeepSeek-Coder-V2 236B 128K Tokens Kontext zu $0.14/$0.28 pro 1M Tokens bereitstellt. Hier finden Sie den vollständigen Benchmark-, Latenz- und Kostenvergleich.
Beliebige Modelle wechseln & vergleichen
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Codestral
Open-Weights-Coding-SpezialistCodestral von Mistral AI ist ein KI-Modell für lokale Softwareentwicklung und Codegenerierung auf Basis offener Modellgewichte mit 256K Kontextfenster, 110 Token/s Durchsatz, einem Intelligenz-Index von 40/100 und $0.2/$0.6 pro 1M Token.
$0.20 / 1M
$0.60 / 1M
256K tokens
28%
DeepSeek-Coder-V2 236B
Open-Weights-BasismodellDeepSeek-Coder-V2 236B von DeepSeek ist ein KI-Modell für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität mit 128K Kontextfenster, 74 Token/s Durchsatz, einem Intelligenz-Index von 42/100 und $0.14/$0.28 pro 1
$0.14 / 1M
$0.28 / 1M
128K tokens
42.1%
Wichtigste Unterschiede auf einen Blick
- DeepSeek-Coder-V2 236B is 1.9x cheaper for API usage (input + output tokens combined).
- Codestral has a larger context window (256K vs 128K tokens).
- Codestral is faster at 110 tok/s vs 74 tok/s.
- DeepSeek-Coder-V2 236B leads on SWE-bench coding (42.1% vs 28.0%).
| Feature | Codestral | DeepSeek-Coder-V2 236B |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 40 | 42 |
Provider | Mistral AI | DeepSeek |
Input Price Cost per million input tokens | $0.20 / 1M | $0.14 / 1M |
Output Price Cost per million output tokens | $0.60 / 1M | $0.28 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.14 / 1M | $0.07 / 1M |
Context Window Maximum input + output tokens | 256K tokens~384 A4 pages of text | 128K tokens~192 A4 pages of text |
Max Output Tokens Per single request | 8K | 8K |
Throughput Speed Tokens generated per second | 110 tok/s | 74 tok/s |
SWE-bench Verified Real-world software engineering | 28% | 42.1% |
GPQA Diamond Graduate-level reasoning | 42% | 49.5% |
Cached Input Price Prompt caching discount per 1M tokens | $0.05 / 1M | $0.01 / 1M |
Wer gewinnt in welcher Disziplin?
At-a-glance decision frameworkGeprüfte Benchmark-Ergebnisse im Vergleich
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Extremely difficult, closed-ended questions spanning the frontier of human expert knowledge.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
Research-grade coding problems drawn from real scientific and numerical workloads.
Contamination-free competitive programming problems collected continuously over time.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latenz & Antwortzeit
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Interaktiver Token-Kosten-Simulator
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Codestral · Strengths & Key Advantages
- 256K Kontextfenster und bis zu 8K maximale Output-Token (SWE-bench Verified 28% · GPQA Diamond 42%)
- Hohe Generierungsgeschwindigkeit von 110 Token/Sekunde bei nur 350 ms Erstlatenz (TTFT)
- Offene Modellgewichte (22B) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
- Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
- Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen
DeepSeek-Coder-V2 236B · Strengths & Key Advantages
- 128K Kontextfenster und bis zu 8K maximale Output-Token (SWE-bench Verified 42.1% · GPQA Diamond 49.5%)
- Hohe Generierungsgeschwindigkeit von 74 Token/Sekunde bei nur 510 ms Erstlatenz (TTFT)
- Offene Modellgewichte (236B) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
- Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
- Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Codestral | DeepSeek-Coder-V2 236B |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.20 | $0.14 |
Output Tokens / Task Tokens generated per task | 24K | 30K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Technische Spezifikationen
Architecture, release timeline, capabilities, and modalities.
| Feature | Codestral | DeepSeek-Coder-V2 236B |
|---|---|---|
| Official API Model ID (SDK) | codestral-latest | deepseek-chat |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2024-05 | 2024-06 |
| Knowledge Cutoff | May 2024 | December 2023 |
| Architecture | Code-Optimized Transformer with 32K Window | 236B Mixture-of-Experts (21B active) |
| Parameters | 22B | 236B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($0.2/1M in) across full 256K window | Flat rate ($0.14/1M in) across full 128K window |
| Prompt Cache Policy & TTL | Cached input at $0.05/1M tokens | Automatic prefix caching at $0.014/1M (no extra cache-write fee) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 14 GB VRAM (4-bit Quantized) · 47 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 146 GB VRAM (4-bit Quantized) · 507 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text |
| Output Modalities | text | text |
Codestral vs DeepSeek-Coder-V2 236B: Schnelle Antworten (FAQ)
Which is more intelligent, Codestral or DeepSeek-Coder-V2 236B?
DeepSeek-Coder-V2 236B is more intelligent. It scores 42 compared with 40 on the composite Intelligence Index.
Which model is faster?
Codestral is faster, generating 110 tokens per second compared with 74 tokens per second.
Which model is cheaper to run?
DeepSeek-Coder-V2 236B is cheaper at $0.07 per 1M tokens blended, compared with $0.14 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Codestral has lower latency, with a time to first token of 0.35s compared with 0.51s.
Which model has a larger context window?
Codestral has a larger context window, supporting 256K tokens compared with 128K tokens.
Fazit
Sowohl Codestral (Optimal für lokale Softwareentwicklung und Codegenerierung auf Basis offener Modellgewichte, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) als auch DeepSeek-Coder-V2 236B (Optimal für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) überzeugen im Produktionseinsatz: DeepSeek-Coder-V2 236B führt bei komplexem Reasoning und Coding, Codestral liefert den höheren Token-Durchsatz und DeepSeek-Coder-V2 236B ist die kosteneffizienteste Wahl für große API-Workloads.
Häufig gestellte Fragen (FAQ)
Welches Modell ist besser für Coding und Reasoning – Codestral oder DeepSeek-Coder-V2 236B?+
Im Gesamt-Intelligenzindex und bei Software-Benchmarks liegt DeepSeek-Coder-V2 236B vorn. Prüfen Sie oben die SWE-bench- und GPQA-Werte für Ihren Anwendungsfall.
Wie unterscheiden sich die API-Preise von Codestral und DeepSeek-Coder-V2 236B?+
Codestral kostet $0.20 / $0.60 pro 1M Input-/Output-Tokens, DeepSeek-Coder-V2 236B liegt bei $0.14 / $0.28. Beim gewichteten Gesamtpreis ist DeepSeek-Coder-V2 236B günstiger.
Welches Modell hat das größere Kontextfenster und die höhere Geschwindigkeit?+
Codestral bietet 256K Tokens Kontext gegenüber 128K Tokens bei DeepSeek-Coder-V2 236B. Bei der Generierungsgeschwindigkeit liegt Codestral vorn.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Devstral Small vs. Codestral: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Qwen 2.5 Coder 32B vs. DeepSeek-Coder-V2 236B: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aion-3.0 vs. Aion-Mini: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aion-3.0 vs. Gemini 3.6 Flash: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aion-Mini vs. Laguna XS 2.1: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Aya Expanse 32B vs. Llama 3.2 90B Vision: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
Offizielle Quellen: Offizielle API-Dokumentation von Mistral AI und DeepSeek, Systemkarten und unabhängige Benchmark-Auswertungen (2026).