Devstral 2 2512
2123°
Lancer ce modèle
Offres / Pub
Mistral | contexte de 262 144 tokens | 0,40 $/M en entrée, 2,00 $/M en sortie. Devstral 2 est un modèle open-source de pointe par Mistral AI spécialisé dans le codage agentique. C’est un transformeur dense de 123 milliards de paramètres supportant une fenêtre de contexte de 256K. Devstral 2 permet d’explorer des bases de code et d’orchestrer des modifications sur plusieurs fichiers tout en maintenant le contexte au niveau de l’architecture. Il suit les dépendances des frameworks, détecte les échecs et réessaie avec corrections — résolvant des défis comme la correction de bugs et la modernisation de systèmes hérités. Le modèle peut être affiné pour privilégier certains langages ou optimiser les grandes bases de code d’entreprise. Il est disponible sous licence MIT modifiée.
Guides pour ce modèle
Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche
De combien de VRAM ai-je vraiment besoin pour l'IA locale ?
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
Devstral 2 est le modèle à poids ouverts de 123 milliards de paramètres de Mistral AI, conçu spécifiquement pour l'ingénierie logicielle agentique. Il navigue dans de grandes bases de code, édite simultanément plusieurs fichiers et suit les dépendances des frameworks — le tout dans une fenêtre de contexte de 256 000 tokens. Si vous construisez ou exploitez un agent de codage IA plutôt que de simplement demander des extraits, c'est le modèle à privilégier parmi les options à poids ouverts.
Connu pour
- Travail agentique sur base de code : explore, édite et orchestre des changements sur plusieurs fichiers.
- 72,2 % sur SWE-bench Verified — compétitif avec des modèles plusieurs fois plus gros.
- 61,3 % sur SWE-bench Multilingual, meilleur score multilingue parmi les pairs à poids ouverts listés.
- Fenêtre de contexte de 256 000 tokens permettant une compréhension architecturale des grandes bases de code.
- Compatible avec Cline, OpenHands, SWE-Agent, Claude Code et le CLI Vibe de Mistral.
Attention à
- Avec 123 milliards de paramètres, l'auto-hébergement demande un matériel sérieux ; vérifiez votre VRAM avant de télécharger.
- Licence MIT modifiée — pas une MIT standard ; lisez les termes avant usage commercial ou dérivé.
- Les modèles fermés de pointe (GPT 5.1 Codex Max, Gemini 3 Pro, Claude Sonnet 4.5) obtiennent encore de meilleurs scores sur SWE-bench.
Prompts à essayer
Plan de refactorisation multi-fichiers
J'ai un monolithe Python Flask où la logique d'authentification est dispersée entre app.py, routes/user.py et utils/helpers.py. Analysez les dépendances entre ces fichiers, identifiez chaque endroit où l'état d'authentification est lu ou écrit, et produisez un plan étape par étape pour extraire cela dans un module d'authentification autonome sans casser le comportement existant.
Audit de modernisation legacy
Voici une base de code Node.js 12 qui utilise des callbacks partout et dépend de plusieurs paquets npm dépréciés. Listez chaque pattern à changer pour atteindre la compatibilité Node.js 20, regroupez-les par niveau de risque, et suggérez l'ordre dans lequel les traiter pour que chaque changement soit testable indépendamment.
Chasse aux bugs avec logique de retry
Une API Django REST renvoie une erreur 500 de façon intermittente lorsque deux utilisateurs mettent à jour le même objet à quelques millisecondes d'intervalle. Parcourez les conditions de concurrence probables dans une configuration ORM Django typique, écrivez un test qui reproduit de façon fiable le problème, puis proposez et implémentez une correction utilisant un verrouillage au niveau base de données.
Comparer avec
- Mistral Large 4Modèle uniquement APIContexte de 1,048,576 tokens · entrée $0.68/M, sortie $2.09/M
- Mistral Medium 3.5Modèle uniquement APIContexte de 262,144 tokens · entrée $1.50/M, sortie $7.50/M
- Mistral Large 2407Modèle uniquement APIContexte de 131,072 tokens · entrée $2.00/M, sortie $6.00/M
- Mistral NemoModèle à poids ouvertsContexte de 131,072 tokens · entrée $0.03/M, sortie $0.03/M
Plus de modèles de texte de mistralai
Questions fréquentes
- Les poids sont-ils ouverts et puis-je exécuter Devstral 2 localement ?
- Oui — les poids sont disponibles sur Hugging Face sous licence MIT modifiée, vous pouvez donc télécharger et auto-héberger le modèle, bien que 123 milliards de paramètres en précision FP8 nécessite une mémoire GPU importante.
- Quel est le coût de Devstral 2 via l'API et quelle est sa limite de contexte ?
- Mistral facture 0,40 $ par million de tokens en entrée et 2,00 $ par million de tokens en sortie, avec une fenêtre de contexte de 256 000 (262 144) tokens.
- Comment Devstral 2 se compare-t-il à Devstral Small 2 ?
- Devstral 2 à 123 milliards obtient 72,2 % sur SWE-bench Verified contre 68,0 % pour le 24 milliards Devstral Small 2 ; le modèle plus grand domine aussi sur les tâches multilingues SWE et TerminalBench 2, au prix d'un matériel et d'un coût API plus élevés.
Verdict du capitaineL'agent de codage à poids ouverts le plus puissant disponible à cette taille — si vous pouvez lui fournir assez de VRAM.
Fiche modèle sur Hugging Face
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Devstral 2 2512 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmmistralaiprogrammationagentscontexte longlocal
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153