Second-génération ouvert ingénierie logicielle agent intégrant 262K contexte, profond terminal agent capacités, et hardened patch génération.
Technical Specifications
- Provider
- Mistral AI
- Category
- flagship
- Release Date
- 2025-12
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- Free / Self-Hosted
- Reasoning Effort Control
- Configurable (Low / Med / High)
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- devstral-2-latest
- Supported SDK & API Protocol
- OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2027+)
- Production Rate Limits (RPM & TPM)
- Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($1.5/1M in) across full 262K window
- Prompt Cache Write & TTL Policy
- Cached input at $0.35/1M tokens
- Computer Use & Browser GUI Agent
- 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
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token)
- Weights Precision & Quantization
- BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0)
- Minimum GPU VRAM Requirement
- 76 GB VRAM (4-bit Quantized) · 264 GB VRAM (Native BF16)
- Supported Inference Engines
- vLLM, SGLang, Ollama, llama.cpp, TensorRT-LLM, HuggingFace TGI
- System Card & Safety Framework
- Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Devstral 2 Cost, Context, Hardware & API Integration
For single-user chat, a $20/mo subscription caps your bill below this API volume.
Break-even point: ~81 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Devstral 2:
Benchmark Scores & 6-Axis Capability Radar
- SWE-bench Verified
- 58.2%
- GPQA Diamond
- 66.5%
- MMLU-Pro
- 83.5%
- HumanEval
- 94%
- Terminal-Bench
- 52%
- AIME
- 78%
- Long-Context Reasoning
- 82%
- Chatbot Arena Elo
- 1365pts
Strengths
- Expanded 262K fenêtre de contexte à ingest entire multi-package monorepos
- d'avant-garde 58.2% SWE-bench score pour un à poids ouverts modèle
- Hardened against regression boucles et terminal syntax hallucination
Limitations & Trade-offs
- substantiel 123B paramètre mémoire requirement pour local exécution
- API token coûts sont moderately élevé pour intensive multitour boucles
Editorial Assessment
un de référence à poids ouverts ingénierie logicielle agent pushing le boundaries d'autonome codage.
Best for: Whole-dépôt migrations, autonome développeur agents, et complexe architecture refactors
Compare Devstral 2
Frequently Asked Questions about Devstral 2
How much does the Devstral 2 API cost per 1M tokens?+
Devstral 2 by Mistral AI is priced at $1.5 per 1M input tokens and $4.5 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.35 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the Devstral 2 pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Devstral 2's context window?+
Devstral 2 features a 262K tokens context window, which equals approximately 196,608 English words or ~524 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 65,536 tokens.
Can I run Devstral 2 locally on my own GPU (Open Weights)?+
Yes, Devstral 2 (123B) releases open weights that can be self-hosted locally or on private cloud GPUs using vLLM, Ollama, SGLang, or llama.cpp.
Does Mistral AI train on data sent to the Devstral 2 API, and is commercial use allowed?+
100% Isolated when self-hosted on private GPUs or VPC. License tier: Permissive Open-Weights (Apache 2.0 / MIT Commercial). Full commercial ownership of generated outputs. Supported deployment channels include: Self-Hosted GPU (vLLM / Ollama), Private VPC, or Managed Serverless API.
How does Devstral 2 perform on coding and reasoning benchmarks?+
Devstral 2 achieves a composite Intelligence Index of 56/100, scoring 58.2% on SWE-bench Verified, 66.5% on GPQA Diamond, 83.5% on MMLU-Pro, and 1365 pts on Chatbot Arena Elo.
What is Devstral 2 best used for?+
Devstral 2 is best suited for: Whole-dépôt migrations, autonome développeur agents, et complexe architecture refactors. Assessment: un de référence à poids ouverts ingénierie logicielle agent pushing le boundaries d'autonome codage.
Mistral AI Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to Mistral AI's flagship reasoning tier:
Mistral Medium 3.5
Mistral Small 4
Devstral Medium
Devstral Small
Mistral Small 3.2
Mistral Medium 3
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Devstral 2:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.