Devstral Small vs Codestral
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Mistral AI का Devstral Small और Mistral AI का Codestral दो प्रमुख एआई मॉडल हैं। Devstral Small में 128K टोकन कॉन्टेक्स्ट विंडो है और इसकी कीमत $0.15/$0.45 प्रति 1M टोकन है, जबकि Codestral में 256K टोकन कॉन्टेक्स्ट विंडो है और कीमत $0.20/$0.60 प्रति 1M टोकन है। यहाँ दोनों के बेंचमार्क, गति और लागत का विश्लेषण दिया गया है।
किसी भी मॉडल को बदलें और तुलना करें
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Devstral Small
ऑटोनॉमस एजेंटिक मॉडलMistral AI का Devstral Small ऑटोनॉमस एजेंट वर्कफ़्लो, टूल कॉलिंग और मल्टी-स्टेप ऑटोमेशन के लिए निर्मित एक उन्नत AI मॉडल है, जो 128K कॉन्टेक्स्ट विंडो, 95 टोकन/सेकंड स्पीड और $0.15/$0.45 प्रति 1M टोकन कीमत के साथ 45/100 इंटेलीजेंस स्कोर प्रद
$0.15 / 1M
$0.45 / 1M
128K tokens
42%
Codestral
ओपन-वेट्स कोडिंग विशेषज्ञMistral AI का Codestral लोकल सर्वर पर कोडिंग और सॉफ्टवेयर डेवलपमेंट के लिए ओपन-वेट्स के लिए निर्मित एक उन्नत AI मॉडल है, जो 256K कॉन्टेक्स्ट विंडो, 110 टोकन/सेकंड स्पीड और $0.2/$0.6 प्रति 1M टोकन कीमत के साथ 40/100 इंटेलीजेंस स्कोर प्रदान क
$0.20 / 1M
$0.60 / 1M
256K tokens
28%
एक नज़र में मुख्य अंतर
- 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 |
किस क्षेत्र में कौन आगे है?
At-a-glance decision frameworkसत्यापित बेंचमार्क स्कोर तुलना
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.
लेटेंसी और रिस्पॉन्स समय
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
रियल-टाइम टोकन लागत सिम्युलेटर
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Devstral Small · Strengths & Key Advantages
- 128K कॉन्टेक्स्ट विंडो और अधिकतम 16K आउटपुट टोकन क्षमता (SWE-bench Verified 42% · GPQA Diamond 50%)
- 95 टोकन/सेकंड की तेज़ जनरेशन स्पीड और मात्र 420ms का प्रथम टोकन लेटेंसी समय (TTFT)
- ओपन-वेट्स आर्किटेक्चर (24B) — vLLM, Ollama या निजी GPU क्लस्टर पर सेल्फ-होस्टिंग के लिए उपयुक्त
Considerations & Trade-offs
- पूर्ण प्रिसिजन में लोकल GPU सर्वर पर चलाने के लिए पर्याप्त VRAM और हार्डवेयर संसाधनों की आवश्यकता होती है
- अत्यंत जटिल वैज्ञानिक शोध कार्यों में शीर्ष फ्लैगशिप रीजनिंग मॉडल की तुलना में गहराई थोड़ी कम हो सकती है
Codestral · Strengths & Key Advantages
- 256K कॉन्टेक्स्ट विंडो और अधिकतम 8K आउटपुट टोकन क्षमता (SWE-bench Verified 28% · GPQA Diamond 42%)
- 110 टोकन/सेकंड की तेज़ जनरेशन स्पीड और मात्र 350ms का प्रथम टोकन लेटेंसी समय (TTFT)
- ओपन-वेट्स आर्किटेक्चर (22B) — vLLM, Ollama या निजी GPU क्लस्टर पर सेल्फ-होस्टिंग के लिए उपयुक्त
Considerations & Trade-offs
- पूर्ण प्रिसिजन में लोकल GPU सर्वर पर चलाने के लिए पर्याप्त VRAM और हार्डवेयर संसाधनों की आवश्यकता होती है
- अत्यंत जटिल वैज्ञानिक शोध कार्यों में शीर्ष फ्लैगशिप रीजनिंग मॉडल की तुलना में गहराई थोड़ी कम हो सकती है
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 |
तकनीकी विशिष्टताएँ (Specs)
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: त्वरित प्रश्नोत्तर (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.
निष्कर्ष
Devstral Small (ऑटोनॉमस एजेंट वर्कफ़्लो, टूल कॉलिंग और मल्टी-स्टेप ऑटोमेशन, एंटरप्राइज RAG सिस्टम और स्केलेबल API इंटीग्रेशन के लिए सर्वोत्तम।) और Codestral (लोकल सर्वर पर कोडिंग और सॉफ्टवेयर डेवलपमेंट के लिए ओपन-वेट्स, एंटरप्राइज RAG सिस्टम और स्केलेबल API इंटीग्रेशन के लिए सर्वोत्तम।) दोनों मजबूत विकल्प हैं: Devstral Small जटिल रीजनिंग और कोडिंग बेंचमार्क में आगे है, Codestral तेज़ टोकन जनरेशन देता है, और Devstral Small बड़े पैमाने के API उपयोग के लिए अधिक किफायती है।
अक्सर पूछे जाने वाले प्रश्न (FAQ)
कोडिंग और रीजनिंग के लिए Devstral Small या Codestral में से कौन बेहतर है?+
समग्र इंटेलिजेंस और कोडिंग बेंचमार्क में Devstral Small आगे है। विस्तृत तुलना के लिए ऊपर SWE-bench और GPQA स्कोर देखें।
Devstral Small और Codestral में किसका API सस्ता है?+
Devstral Small की इनपुट/आउटपुट कीमत $0.15 / $0.45 प्रति 1M टोकन है और Codestral की $0.20 / $0.60 है। समग्र लागत में Devstral Small अधिक किफायती है।
किस मॉडल का कॉन्टेक्स्ट विंडो और स्पीड बेहतर है?+
Devstral Small में 128K टोकन कॉन्टेक्स्ट विंडो है जबकि Codestral में 256K टोकन है। जनरेशन स्पीड के मामले में Codestral तेज़ है।
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Codestral बनाम DeepSeek-Coder-V2 236B: बेंचमार्क, API कीमत और स्पीड तुलना (2026)तुलना
- Devstral Small बनाम GPT-5.1 Codex mini: बेंचमार्क, API कीमत और स्पीड तुलना (2026)तुलना
- Aion-3.0 बनाम Aion-Mini: बेंचमार्क, API कीमत और स्पीड तुलना (2026)तुलना
- Aion-3.0 बनाम Gemini 3.6 Flash: बेंचमार्क, API कीमत और स्पीड तुलना (2026)तुलना
- Aion-Mini बनाम Laguna XS 2.1: बेंचमार्क, API कीमत और स्पीड तुलना (2026)तुलना
- Aya Expanse 32B बनाम Llama 3.2 90B Vision: बेंचमार्क, API कीमत और स्पीड तुलना (2026)तुलना
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.
स्रोत: Mistral AI और Mistral AI आधिकारिक API दस्तावेज़ और स्वतंत्र बेंचमार्क मूल्यांकन (2026)।