Devstral Small vs Codestral
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Devstral Small von Mistral AI und Codestral von Mistral AI gehören zu den führenden KI-Modellen. Devstral Small bietet ein Kontextfenster von 128K Tokens bei API-Preisen von $0.15/$0.45 pro 1M Tokens, während Codestral 256K Tokens Kontext zu $0.20/$0.60 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.
Devstral Small
Autonomes Agenten-ModellDevstral Small von Mistral AI ist ein KI-Modell für autonome Agenten-Workflows, zuverlässiges Tool-Calling und mehrstufige Automatisierung mit 128K Kontextfenster, 95 Token/s Durchsatz, einem Intelligenz-Index von 45/100 und $0.15/$0.45 pro
$0.15 / 1M
$0.45 / 1M
128K tokens
42%
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%
Wichtigste Unterschiede auf einen Blick
- Devstral Small is 1.3x 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 95 tok/s.
- Devstral Small leads on SWE-bench coding (42.0% vs 28.0%).
| Feature | Devstral Small | Codestral |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 45 | 40 |
Provider | Mistral AI | Mistral AI |
Input Price Cost per million input tokens | $0.15 / 1M | $0.20 / 1M |
Output Price Cost per million output tokens | $0.45 / 1M | $0.60 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.11 / 1M | $0.14 / 1M |
Context Window Maximum input + output tokens | 128K tokens~192 A4 pages of text | 256K tokens~384 A4 pages of text |
Max Output Tokens Per single request | 16K | 8K |
Throughput Speed Tokens generated per second | 95 tok/s | 110 tok/s |
SWE-bench Verified Real-world software engineering | 42% | 28% |
GPQA Diamond Graduate-level reasoning | 50% | 42% |
Cached Input Price Prompt caching discount per 1M tokens | $0.05 / 1M | $0.05 / 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.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
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.
Devstral Small · Strengths & Key Advantages
- 128K Kontextfenster und bis zu 16K maximale Output-Token (SWE-bench Verified 42% · GPQA Diamond 50%)
- Hohe Generierungsgeschwindigkeit von 95 Token/Sekunde bei nur 420 ms Erstlatenz (TTFT)
- Offene Modellgewichte (24B) 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
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
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Devstral Small | Codestral |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.14 | $0.20 |
Output Tokens / Task Tokens generated per task | 30K | 24K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Technische Spezifikationen
Architecture, release timeline, capabilities, and modalities.
| Feature | Devstral Small | Codestral |
|---|---|---|
| Official API Model ID (SDK) | devstral-small-latest | codestral-latest |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-07 | 2024-05 |
| Knowledge Cutoff | May 2025 | May 2024 |
| Architecture | Code-Optimized Autoregressive Transformer | Code-Optimized Transformer with 32K Window |
| Parameters | 24B | 22B |
| 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 ($0.15/1M in) across full 128K window | Flat rate ($0.2/1M in) across full 256K window |
| Prompt Cache Policy & TTL | Cached input at $0.05/1M tokens | Cached input at $0.05/1M tokens |
| 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) · 15 GB VRAM (4-bit Quantized) · 52 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 14 GB VRAM (4-bit Quantized) · 47 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 |
Devstral Small vs Codestral: Schnelle Antworten (FAQ)
Which is more intelligent, Devstral Small or Codestral?
Devstral Small is more intelligent. It scores 45 compared with 40 on the composite Intelligence Index.
Which model is faster?
Codestral is faster, generating 110 tokens per second compared with 95 tokens per second.
Which model is cheaper to run?
Devstral Small is cheaper at $0.11 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 0.42s.
Which model has a larger context window?
Codestral has a larger context window, supporting 256K tokens compared with 128K tokens.
Fazit
Sowohl Devstral Small (Optimal für autonome Agenten-Workflows, zuverlässiges Tool-Calling und mehrstufige Automatisierung, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) als auch Codestral (Optimal für lokale Softwareentwicklung und Codegenerierung auf Basis offener Modellgewichte, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) überzeugen im Produktionseinsatz: Devstral Small führt bei komplexem Reasoning und Coding, Codestral liefert den höheren Token-Durchsatz und Devstral Small ist die kosteneffizienteste Wahl für große API-Workloads.
Häufig gestellte Fragen (FAQ)
Welches Modell ist besser für Coding und Reasoning – Devstral Small oder Codestral?+
Im Gesamt-Intelligenzindex und bei Software-Benchmarks liegt Devstral Small vorn. Prüfen Sie oben die SWE-bench- und GPQA-Werte für Ihren Anwendungsfall.
Wie unterscheiden sich die API-Preise von Devstral Small und Codestral?+
Devstral Small kostet $0.15 / $0.45 pro 1M Input-/Output-Tokens, Codestral liegt bei $0.20 / $0.60. Beim gewichteten Gesamtpreis ist Devstral Small günstiger.
Welches Modell hat das größere Kontextfenster und die höhere Geschwindigkeit?+
Devstral Small bietet 128K Tokens Kontext gegenüber 256K Tokens bei Codestral. 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
- Codestral vs. DeepSeek-Coder-V2 236B: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Devstral Small vs. GPT-5.1 Codex mini: 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 Mistral AI, Systemkarten und unabhängige Benchmark-Auswertungen (2026).