GPT-5.2 Codex vs Devstral 2
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
OpenAIのGPT-5.2 CodexとMistral AIのDevstral 2は、注目度の高い主要AIモデルです。GPT-5.2 Codexは400K トークンのコンテキストウィンドウを備え、API料金は100万トークンあたり入力$1.75/出力$14.00、一方のDevstral 2は262.1K トークンのコンテキストで入力$1.50/出力$4.50です。以下でベンチマーク、速度、コストを詳しく比較します。
任意のAIモデルを切り替えて比較
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
GPT-5.2 Codex
自律型エージェント・ツール特化OpenAI の GPT-5.2 Codex は、自律型AIエージェントの実行、ツール呼び出し（Tool Calling）、複雑な業務自動化向けに設計されたAIモデルです。400K のコンテキストウィンドウ、毎秒 118 トークンの生成速度、知能指数 66/100（1Mトークンあたり入力$1.75・出力$14）を実現しています。
$1.75 / 1M
$14.00 / 1M
400K tokens
78.1%
Devstral 2
自律型エージェント・ツール特化Mistral AI の Devstral 2 は、自律型AIエージェントの実行、ツール呼び出し（Tool Calling）、複雑な業務自動化向けに設計されたAIモデルです。262K のコンテキストウィンドウ、毎秒 70 トークンの生成速度、知能指数 56/100（1Mトークンあたり入力$1.5・出力$4.5）を実現しています。
$1.50 / 1M
$4.50 / 1M
262.1K tokens
58.2%
ひと目でわかる主な違い
- Devstral 2 is 2.3x cheaper for API usage (input + output tokens combined).
- GPT-5.2 Codex has a larger context window (400K vs 262K tokens).
- GPT-5.2 Codex is faster at 118 tok/s vs 70 tok/s.
- GPT-5.2 Codex leads on SWE-bench coding (78.1% vs 58.2%).
| Feature | GPT-5.2 Codex | Devstral 2 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 66 | 56 |
Provider | OpenAI | Mistral AI |
Input Price Cost per million input tokens | $1.75 / 1M | $1.50 / 1M |
Output Price Cost per million output tokens | $14.00 / 1M | $4.50 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $1.87 / 1M | $0.99 / 1M |
Context Window Maximum input + output tokens | 400K tokens~600 A4 pages of text | 262.1K tokens~393 A4 pages of text |
Max Output Tokens Per single request | 128K | 66K |
Throughput Speed Tokens generated per second | 118 tok/s | 70 tok/s |
SWE-bench Verified Real-world software engineering | 78.1% | 58.2% |
GPQA Diamond Graduate-level reasoning | 78.2% | 66.5% |
Cached Input Price Prompt caching discount per 1M tokens | $0.17 / 1M | $0.35 / 1M |
分野別勝者スコアカード
At-a-glance decision framework検証済みベンチマークスコア比較
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.
レイテンシ＆応答時間
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
リアルタイムAPIトークン料金シミュレーター
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
GPT-5.2 Codex · Strengths & Key Advantages
- 400K のコンテキストウィンドウと最大 128K トークンの出力容量（SWE-bench Verified 78.1% · GPQA Diamond 78.2%）
- 毎秒 118 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 1280ms の低遅延
- 優れたAPI経済性（1Mトークンあたり入力$1.75・出力$14）に加え、プロンプトキャッシュや構造化JSON出力・関数呼び出しに完全対応
Considerations & Trade-offs
- クラウド専用のプロプライエタリモデルのため、モデル重みをダウンロードしてオフライン実行することはできません
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Devstral 2 · Strengths & Key Advantages
- 262K のコンテキストウィンドウと最大 66K トークンの出力容量（SWE-bench Verified 58.2% · GPQA Diamond 66.5%）
- 毎秒 70 トークンの高速スループットと、初回トークン到達時間（TTFT）わずか 520ms の低遅延
- オープンウェイトモデル (123B)として vLLM・SGLang・Ollama を用いた自社GPUでのローカル運用が可能
Considerations & Trade-offs
- 非量子化のフル精度でローカル推論を行うには十分なGPU VRAM容量が必要です
- 極めて高度な専門科学の証明問題では、上位の大型推論特化モデルの方がより深い洞察を提供する場合があります
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | GPT-5.2 Codex | Devstral 2 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $2.20 | $0.65 |
Output Tokens / Task Tokens generated per task | 60K | 42K |
Reasoning Tokens / Task Thinking tokens burned per task | 34K | 20K |
技術仕様・スペック
Architecture, release timeline, capabilities, and modalities.
| Feature | GPT-5.2 Codex | Devstral 2 |
|---|---|---|
| Official API Model ID (SDK) | gpt-5-2-codex | devstral-2-latest |
| API Protocol | OpenAI Responses API & Chat Completions v1 | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-12 | 2025-12 |
| Knowledge Cutoff | August 2025 | October 2025 |
| Architecture | Code-specialised long-horizon reasoning model | Advanced Agentic Code Transformer |
| Parameters | Confidential | 123B |
| Enterprise Rate Limits (RPM / TPM) | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM | 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 ($1.75/1M in) across full 400K window | Flat rate ($1.5/1M in) across full 262K window |
| Prompt Cache Policy & TTL | Automatic prefix caching at $0.175/1M (no extra cache-write fee) | Cached input at $0.35/1M tokens |
| Computer Use / GUI Agent | Supported (Screen coordinate grounding, browser & desktop GUI action loops) | 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 | Native Web Search tool + Hosted Code Interpreter & File Search RAG | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Supervised Fine-Tuning (SFT), Direct Preference (DPO) & Reinforcement Fine-Tuning (RFT) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 76 GB VRAM (4-bit Quantized) · 264 GB VRAM (Native BF16) |
| Safety & Frontier Classification | OpenAI Preparedness Framework Audited & System Card Published | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text |
| Output Modalities | text | text |
GPT-5.2 Codex vs Devstral 2: よくある質問 (FAQ)
Which is more intelligent, GPT-5.2 Codex or Devstral 2?
GPT-5.2 Codex is more intelligent. It scores 66 compared with 56 on the composite Intelligence Index.
Which model is faster?
GPT-5.2 Codex is faster, generating 118 tokens per second compared with 70 tokens per second.
Which model is cheaper to run?
Devstral 2 is cheaper at $0.99 per 1M tokens blended, compared with $1.87 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Devstral 2 has lower latency, with a time to first token of 0.52s compared with 1.28s.
Which model has a larger context window?
GPT-5.2 Codex has a larger context window, supporting 400K tokens compared with 262.1K tokens.
総合評価
GPT-5.2 Codex（自律型AIエージェントの実行、ツール呼び出し（Tool Calling）、複雑な業務自動化、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）とDevstral 2（自律型AIエージェントの実行、ツール呼び出し（Tool Calling）、複雑な業務自動化、エンタープライズRAG基盤、スケーラブルな本番API統合に最適。）はいずれも優れた選択肢です。高度な推論・コーディング精度ではGPT-5.2 Codexがリードし、応答速度とスループットではGPT-5.2 Codexが優れ、APIコスト効率ではDevstral 2が有利です。
よくある質問 (FAQ)
コーディングや複雑な推論には GPT-5.2 Codex と Devstral 2 のどちらが適していますか？+
総合知能指数およびコーディング評価では GPT-5.2 Codex が優位です。上部の SWE-bench や GPQA スコアもあわせてご確認ください。
GPT-5.2 Codex と Devstral 2 ではどちらのAPI料金が安いですか？+
GPT-5.2 Codex は100万トークンあたり入力$1.75 / 出力$14.00、Devstral 2 は入力$1.50 / 出力$4.50です。総合的なコスト効率では Devstral 2 がより経済的です。
コンテキスト長と生成速度はどちらが優れていますか？+
コンテキストウィンドウは GPT-5.2 Codex が 400K トークン、Devstral 2 が 262.1K トークン です。出力スピード（トークン/秒）では GPT-5.2 Codex がリードしています。
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Devstral 2 vs Claude Sonnet 5.5：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Devstral 2 vs Qwen3-Coder 480B-A35B Instruct：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- GPT-5.1 Codex Max vs Devstral 2：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- GPT-5.1 Codex vs Devstral 2：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- GPT-5.2 Codex vs GPT-5.1 Codex Max：ベンチマーク・API料金・速度の徹底比較 (2026)比較
- Aion-3.0 vs Aion-Mini：ベンチマーク・API料金・速度の徹底比較 (2026)比較
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.
公的ソース: OpenAIおよびMistral AI公式APIドキュメント、システムカード、独立ベンチマーク評価 (2026)。