Devstral Small vs GPT-5.1 Codex mini
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Devstral Small da Mistral AI e GPT-5.1 Codex mini da OpenAI são dois modelos de IA de destaque. O Devstral Small oferece uma janela de contexto de 128K tokens a $0.15/$0.45 por milhão de tokens, enquanto o GPT-5.1 Codex mini oferece 400K tokens de contexto a $0.25/$2.00 por milhão de tokens. Veja abaixo a comparação completa de benchmarks, latência e custos.
Troque e Compare Qualquer Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Devstral Small
IA Agêntica e Uso de FerramentasO Devstral Small da Mistral AI é um modelo de IA projetado para fluxos de trabalho agênticos autônomos, chamada de ferramentas e automação, oferecendo janela de contexto de 128K, velocidade de 95 tokens/s, índice de inteligência de 45/100 e
$0.15 / 1M
$0.45 / 1M
128K tokens
42%
GPT-5.1 Codex mini
Modelo Leve e EconômicoO GPT-5.1 Codex mini da OpenAI é um modelo de IA projetado para máxima economia por token e alto desempenho em escala de produção, oferecendo janela de contexto de 400K, velocidade de 180 tokens/s, índice de inteligência de 47/100 e tarifa
$0.25 / 1M
$2.00 / 1M
400K tokens
55.5%
Principais Diferenças em Resumo
- 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%).
| Feature | 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 |
Quem vence em cada categoria?
At-a-glance decision frameworkPontuações de Benchmarks Verificadas
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.
Latência e Tempo de Resposta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interativo de Custo de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Devstral Small · Strengths & Key Advantages
- Janela de contexto de 128K com limite máximo de saída de 16K tokens (SWE-bench Verified 42% · GPQA Diamond 50%)
- Taxa de transferência rápida de 95 tokens/segundo com latência inicial (TTFT) de 420 ms
- Pesos abertos (24B) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
GPT-5.1 Codex mini · Strengths & Key Advantages
- Janela de contexto de 400K com limite máximo de saída de 128K tokens (SWE-bench Verified 55.5% · GPQA Diamond 66.5%)
- Taxa de transferência rápida de 180 tokens/segundo com latência inicial (TTFT) de 720 ms
- Economia de API competitiva ($0.25/$2 por 1M de tokens) com suporte a cache de prompts e saídas JSON estruturadas
Considerations & Trade-offs
- Modelo proprietário em nuvem; não permite download dos pesos para execução local offline
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
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 |
Especificações Técnicas
Architecture, release timeline, capabilities, and modalities.
| Feature | 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: Respostas Rápidas (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.
Veredito
Tanto Devstral Small (Indicado para fluxos de trabalho agênticos autônomos, chamada de ferramentas e automação, arquiteturas RAG corporativas e integração escalável via API.) quanto GPT-5.1 Codex mini (Indicado para máxima economia por token e alto desempenho em escala de produção, arquiteturas RAG corporativas e integração escalável via API.) entregam excelente desempenho: GPT-5.1 Codex mini lidera em inteligência geral e programação, GPT-5.1 Codex mini oferece geração mais rápida e Devstral Small apresenta o melhor custo-benefício em produção.
Perguntas Frequentes (FAQ)
Qual é melhor para programação e raciocínio, Devstral Small ou GPT-5.1 Codex mini?+
Nas avaliações de inteligência e código, GPT-5.1 Codex mini leva vantagem. Confira os gráficos SWE-bench e GPQA acima para detalhes.
Qual modelo tem a API mais barata, Devstral Small ou GPT-5.1 Codex mini?+
O Devstral Small custa $0.15 / $0.45 por 1M de tokens (entrada/saída) e o GPT-5.1 Codex mini custa $0.25 / $2.00. No custo combinado, Devstral Small é mais econômico.
Qual modelo possui maior janela de contexto e velocidade?+
O Devstral Small suporta 128K tokens de contexto contra 400K tokens do GPT-5.1 Codex mini, enquanto GPT-5.1 Codex mini entrega maior velocidade de geração.
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: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Devstral Small vs. Codestral: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- GPT-5.1 Codex mini vs. GPT-5-Codex: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- GPT-5.1 Codex vs. GPT-5.1 Codex mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- North Mini Code vs. GPT-5.1 Codex mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
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.
Fontes oficiais: Documentação oficial de API da Mistral AI e OpenAI e benchmarks independentes (2026).