Devstral Small vs GPT-5.1 Codex mini
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Devstral Small de Mistral AI et GPT-5.1 Codex mini de OpenAI sont deux modèles d’IA de premier plan. Devstral Small propose une fenêtre de contexte de 128K tokens au tarif de $0.15/$0.45 par million de tokens, tandis que GPT-5.1 Codex mini offre 400K tokens de contexte à $0.25/$2.00 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.
Changez et Comparez les Modèles
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Devstral Small
IA Agentique et Outils AutonomesDevstral Small de Mistral AI est un modèle d’IA conçu pour les flux de travail agentiques autonomes, l’appel d’outils et l’orchestration multi-étapes, offrant une fenêtre de contexte de 128K, une vitesse de 95 tokens/s, un indice d’intellig
$0.15 / 1M
$0.45 / 1M
128K tokens
42%
GPT-5.1 Codex mini
Modèle Léger et ÉconomiqueGPT-5.1 Codex mini de OpenAI est un modèle d’IA conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, offrant une fenêtre de contexte de 400K, une vitesse de 180 tokens/s, un indice d’intelligence
$0.25 / 1M
$2.00 / 1M
400K tokens
55.5%
Différences Clés en un Coup d’Œil
- Devstral Small is 3.1x cheaper for API usage (input + output tokens combined).
- GPT-5.1 Codex mini has a larger context window (400K vs 128K tokens).
- GPT-5.1 Codex mini is faster at 180 tok/s vs 95 tok/s.
- GPT-5.1 Codex mini leads on SWE-bench coding (55.5% vs 42.0%).
| Caractéristique | Devstral Small | GPT-5.1 Codex mini |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 45 | 47 |
Provider | Mistral AI | OpenAI |
Input Price Cost per million input tokens | $0.15 / 1M | $0.25 / 1M |
Output Price Cost per million output tokens | $0.45 / 1M | $2.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.11 / 1M | $0.27 / 1M |
Context Window Maximum input + output tokens | 128K tokens~192 A4 pages of text | 400K tokens~600 A4 pages of text |
Max Output Tokens Per single request | 16K | 128K |
Throughput Speed Tokens generated per second | 95 tok/s | 180 tok/s |
SWE-bench Verified Real-world software engineering | 42% | 55.5% |
GPQA Diamond Graduate-level reasoning | 50% | 66.5% |
Cached Input Price Prompt caching discount per 1M tokens | $0.05 / 1M | $0.03 / 1M |
Qui gagne où ?
At-a-glance decision frameworkScores de Benchmarks Vérifiés
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.
Latence et Temps de Réponse
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulateur Interactif de Coût de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Devstral Small · Strengths & Key Advantages
- Fenêtre de contexte de 128K et capacité de sortie maximale de 16K tokens (SWE-bench Verified 42% · GPQA Diamond 50%)
- Débit rapide de 95 tokens/seconde avec une latence au premier token (TTFT) de 420 ms
- Poids ouverts (24B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
GPT-5.1 Codex mini · Strengths & Key Advantages
- Fenêtre de contexte de 400K et capacité de sortie maximale de 128K tokens (SWE-bench Verified 55.5% · GPQA Diamond 66.5%)
- Débit rapide de 180 tokens/seconde avec une latence au premier token (TTFT) de 720 ms
- Tarification API optimisée ($0.25/$2 par million de tokens) avec prise en charge du cache de prompts et des schémas JSON stricts
Considerations & Trade-offs
- Modèle cloud propriétaire ne permettant pas le téléchargement local des poids sur serveur isolé
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Devstral Small | GPT-5.1 Codex mini |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.14 | $0.33 |
Output Tokens / Task Tokens generated per task | 30K | 48K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 23K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Devstral Small | GPT-5.1 Codex mini |
|---|---|---|
| Official API Model ID (SDK) | devstral-small-latest | gpt-5-1-codex-mini |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI Responses API & Chat Completions v1 |
| Release Date | 2025-07 | 2025-11 |
| Knowledge Cutoff | May 2025 | October 2024 |
| Architecture | Code-Optimized Autoregressive Transformer | Compact code-specialised reasoning model |
| Parameters | 24B | Confidential |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM |
| Long-Context Tier (>128K/200K) | Flat rate ($0.15/1M in) across full 128K window | Flat rate ($0.25/1M in) across full 400K window |
| Prompt Cache Policy & TTL | Cached input at $0.05/1M tokens | Automatic prefix caching at $0.025/1M (no extra cache-write fee) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | Supported (Screen coordinate grounding, browser & desktop GUI action loops) |
| 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 | Native Web Search tool + Hosted Code Interpreter & File Search RAG |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Supervised Fine-Tuning (SFT), Direct Preference (DPO) & Reinforcement Fine-Tuning (RFT) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| 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) | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | OpenAI Preparedness Framework Audited & System Card Published |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier |
| Input Modalities | text | text, vision |
| Output Modalities | text | text |
Devstral Small vs GPT-5.1 Codex mini: Réponses Rapides (FAQ)
Which is more intelligent, Devstral Small or GPT-5.1 Codex mini?
GPT-5.1 Codex mini is more intelligent. It scores 47 compared with 45 on the composite Intelligence Index.
Which model is faster?
GPT-5.1 Codex mini is faster, generating 180 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 $0.27 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Devstral Small has lower latency, with a time to first token of 0.42s compared with 0.72s.
Which model has a larger context window?
GPT-5.1 Codex mini has a larger context window, supporting 400K tokens compared with 128K tokens.
Verdict
Devstral Small (Conçu pour les flux de travail agentiques autonomes, l’appel d’outils et l’orchestration multi-étapes, l’intégration RAG et les pipelines de production évolutifs.) et GPT-5.1 Codex mini (Conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : GPT-5.1 Codex mini domine sur les benchmarks de raisonnement et de programmation, GPT-5.1 Codex mini assure un débit supérieur et Devstral Small offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Devstral Small ou GPT-5.1 Codex mini ?+
Sur l’indice d’intelligence composite et les tests de code, GPT-5.1 Codex mini prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Devstral Small et GPT-5.1 Codex mini ?+
Devstral Small est facturé $0.15 / $0.45 par million de tokens (entrée/sortie) contre $0.25 / $2.00 pour GPT-5.1 Codex mini. En coût pondéré, Devstral Small est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Devstral Small prend en charge 128K tokens contre 400K tokens pour GPT-5.1 Codex mini. Côté vitesse de génération, GPT-5.1 Codex mini est le plus rapide.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Devstral Medium vs GPT-5.1 Codex mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Devstral Small vs Codestral : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- GPT-5.1 Codex mini vs GPT-5-Codex : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- GPT-5.1 Codex vs GPT-5.1 Codex mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- North Mini Code vs GPT-5.1 Codex mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Aion-Mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Documentation API officielle de Mistral AI et OpenAI, fiches système et benchmarks indépendants (2026).