GPT-5.1 Codex vs Devstral 2
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
GPT-5.1 Codex от OpenAI и Devstral 2 от Mistral AI — две ключевые модели ИИ в своём классе. GPT-5.1 Codex предлагает контекстное окно 400K токенов по цене $1.25/$10.00 за 1 млн токенов, а Devstral 2 — контекст 262.1K токенов по цене $1.50/$4.50 за 1 млн токенов. Ниже представлено сравнение бенчмарков, задержки и экономики.
Выбирайте и сравнивайте любые модели
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
GPT-5.1 Codex
Флагманская передовая модельGPT-5.1 Codex от OpenAI — специализированная ИИ-модель для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, обеспечивающая контекстное окно 400K, скорость 125 ток/с и индекс интеллекта 61/100 (по цене $1.25/
$1.25 / 1M
$10.00 / 1M
400K tokens
76.1%
Devstral 2
Автономная агентная модельDevstral 2 от Mistral AI — специализированная ИИ-модель для автономных агентных сценариев, вызова внешних инструментов и автоматизации, обеспечивающая контекстное окно 262K, скорость 70 ток/с и индекс интеллекта 56/100 (по цене $1.5/$4.5 за
$1.50 / 1M
$4.50 / 1M
262.1K tokens
58.2%
Ключевые отличия кратко
- Devstral 2 is 1.6x cheaper for API usage (input + output tokens combined).
- GPT-5.1 Codex has a larger context window (400K vs 262K tokens).
- GPT-5.1 Codex is faster at 125 tok/s vs 70 tok/s.
- GPT-5.1 Codex leads on SWE-bench coding (76.1% vs 58.2%).
| Feature | GPT-5.1 Codex | Devstral 2 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 61 | 56 |
Provider | OpenAI | Mistral AI |
Input Price Cost per million input tokens | $1.25 / 1M | $1.50 / 1M |
Output Price Cost per million output tokens | $10.00 / 1M | $4.50 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $1.34 / 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 | 125 tok/s | 70 tok/s |
SWE-bench Verified Real-world software engineering | 76.1% | 58.2% |
GPQA Diamond Graduate-level reasoning | 78.5% | 66.5% |
Cached Input Price Prompt caching discount per 1M tokens | $0.13 / 1M | $0.35 / 1M |
Кто лидирует в каждой категории?
At-a-glance decision frameworkРезультаты проверенных бенчмарков
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.
Задержка и скорость ответа
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Интерактивный калькулятор стоимости токенов
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
GPT-5.1 Codex · Strengths & Key Advantages
- Контекстное окно 400K и генерация до 128K выходных токенов за ответ (SWE-bench Verified 76.1% · GPQA Diamond 78.5%)
- Высокая скорость генерации 125 токенов/сек при задержке до первого токена (TTFT) всего 1200 мс
- Выгодная тарификация API (по цене $1.25/$10 за 1M токенов) с поддержкой кэширования промптов и строгих JSON-схем
Considerations & Trade-offs
- Проприетарная облачная модель без возможности скачивания весов для локального запуска в закрытом контуре
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Devstral 2 · Strengths & Key Advantages
- Контекстное окно 262K и генерация до 66K выходных токенов за ответ (SWE-bench Verified 58.2% · GPQA Diamond 66.5%)
- Высокая скорость генерации 70 токенов/сек при задержке до первого токена (TTFT) всего 520 мс
- Открытые веса модели (123B) для локального хостинга и дообучения через vLLM, SGLang или Ollama
Considerations & Trade-offs
- Для локального запуска в полной точности требуются GPU-серверы с достаточным объемом видеопамяти (VRAM)
- В сверхсложных научных доказательствах специализированные тяжелые модели рассуждения могут показывать большую глубину
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | GPT-5.1 Codex | Devstral 2 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $1.65 | $0.65 |
Output Tokens / Task Tokens generated per task | 58K | 42K |
Reasoning Tokens / Task Thinking tokens burned per task | 33K | 20K |
Технические характеристики
Architecture, release timeline, capabilities, and modalities.
| Feature | GPT-5.1 Codex | Devstral 2 |
|---|---|---|
| Official API Model ID (SDK) | gpt-5-1-codex | devstral-2-latest |
| API Protocol | OpenAI Responses API & Chat Completions v1 | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-11 | 2025-12 |
| Knowledge Cutoff | October 2024 | October 2025 |
| Architecture | Code-specialised unified 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 ($1.25/1M in) across full 400K window | Flat rate ($1.5/1M in) across full 262K window |
| Prompt Cache Policy & TTL | Automatic prefix caching at $0.125/1M (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-5.1 Codex vs Devstral 2: Быстрые ответы (FAQ)
Which is more intelligent, GPT-5.1 Codex or Devstral 2?
GPT-5.1 Codex is more intelligent. It scores 61 compared with 56 on the composite Intelligence Index.
Which model is faster?
GPT-5.1 Codex is faster, generating 125 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 $1.34 (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 1.20s.
Which model has a larger context window?
GPT-5.1 Codex has a larger context window, supporting 400K tokens compared with 262.1K tokens.
Вердикт
И GPT-5.1 Codex (Оптимально для передового корпоративного рассуждения, программирования и промышленных ИИ-систем, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.), и Devstral 2 (Оптимально для автономных агентных сценариев, вызова внешних инструментов и автоматизации, корпоративных RAG-пайплайнов и масштабируемых API-сервисов.) отлично подходят для продакшена: GPT-5.1 Codex лидирует в сложных тестах логики и кода, GPT-5.1 Codex обеспечивает более высокую скорость генерации, а Devstral 2 выгоднее при больших объёмах API-запросов.
Часто задаваемые вопросы (FAQ)
Что лучше для программирования и логики: GPT-5.1 Codex или Devstral 2?+
По сводному индексу интеллекта и тестам программирования лидирует GPT-5.1 Codex. Подробные баллы SWE-bench и GPQA приведены в таблице выше.
У какой модели дешевле API — GPT-5.1 Codex или Devstral 2?+
Тариф GPT-5.1 Codex составляет $1.25 / $10.00 за 1 млн входных/выходных токенов, а Devstral 2 — $1.50 / $4.50. По смешанной стоимости выгоднее Devstral 2.
У какой модели больше окно контекста и выше скорость?+
GPT-5.1 Codex поддерживает контекст 400K токенов против 262.1K токенов у Devstral 2, а по скорости генерации токенов лидирует GPT-5.1 Codex.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Devstral 2 против Claude Sonnet 5.5: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Devstral 2 против Qwen3-Coder 480B-A35B Instruct: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- GPT-5.1 Codex Max против Devstral 2: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- GPT-5.1 Codex против GPT-5.1 Codex mini: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- GPT-5.2 Codex против Devstral 2: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
- Aion-3.0 против Aion-Mini: Сравнение бенчмарков, цен API и скорости (2026)Сравнение
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.
Официальные источники: Официальная документация API OpenAI и Mistral AI, системные карточки и независимые бенчмарки (2026).