Devstral 2 2512
2123°
Executar modelo
Ofertas / Anúncios
Mistral | contexto de 262.144 tokens | $0,40/M entrada, $2,00/M saída. Devstral 2 é um modelo open-source de ponta da Mistral AI especializado em codificação agentica. É um transformer denso de 123 bilhões de parâmetros que suporta uma janela de contexto de 256K. Devstral 2 permite explorar bases de código e orquestrar mudanças em múltiplos arquivos mantendo contexto em nível de arquitetura. Rastreia dependências de frameworks, detecta falhas e tenta novamente com correções — solucionando desafios como correção de bugs e modernização de sistemas legados. O modelo pode ser ajustado para priorizar linguagens específicas ou otimizar para grandes bases de código empresariais. Está disponível sob licença MIT modificada.
Guias para este modelo
Melhor LLM local por caso de uso (outubro de 2026): o modelo aberto certo para cada tarefa
De quanto VRAM eu realmente preciso para IA local?
Pesos abertos vs código aberto vs só API: o que você realmente pode fazer
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
Devstral 2 é o modelo de 123 bilhões de parâmetros com pesos abertos da Mistral AI, construído especificamente para engenharia de software agente. Ele navega por grandes bases de código, edita múltiplos arquivos simultaneamente e acompanha dependências de frameworks — tudo dentro de uma janela de contexto de 256K tokens. Se você está construindo ou executando um agente de codificação AI em vez de apenas pedir trechos, este é o modelo para escolher primeiro entre as opções de pesos abertos.
Conhecido por
- Trabalho agente em bases de código: explora, edita e orquestra mudanças em múltiplos arquivos.
- 72,2% no SWE-bench Verified — competitivo com modelos com várias vezes seu número de parâmetros.
- 61,3% no SWE-bench Multilingual, a maior pontuação multilíngue entre pares de pesos abertos listados.
- Janela de contexto de 256K mantém entendimento em nível arquitetural de grandes bases de código.
- Funciona com Cline, OpenHands, SWE-Agent, Claude Code e o próprio Vibe CLI da Mistral.
Fique atento a
- Com 123 bilhões de parâmetros, hospedar localmente exige hardware sério; verifique sua VRAM antes de baixar.
- Licença MIT modificada — não é uma MIT padrão; leia os termos antes de uso comercial ou derivado.
- Modelos fechados da fronteira (GPT 5.1 Codex Max, Gemini 3 Pro, Claude Sonnet 4.5) ainda superam ele no SWE-bench.
Sugestões para tentar
Plano de refatoração em múltiplos arquivos
Tenho um monólito Python Flask onde a lógica de autenticação está espalhada entre app.py, routes/user.py e utils/helpers.py. Analise as dependências entre esses arquivos, identifique todos os locais onde o estado de autenticação é lido ou escrito e produza um plano passo a passo para extrair isso para um módulo de autenticação independente sem quebrar o comportamento existente.
Auditoria de modernização de legado
Aqui está uma base de código Node.js 12 que usa callbacks por toda parte e depende de vários pacotes npm depreciados. Liste todos os padrões que precisam mudar para alcançar compatibilidade com Node.js 20, agrupe-os por nível de risco e sugira a ordem para abordá-los para que cada mudança seja testável independentemente.
Caça a bugs com lógica de retry
Uma API Django REST retorna erro 500 intermitentemente quando dois usuários atualizam o mesmo objeto com milissegundos de diferença. Explique as condições de corrida prováveis em uma configuração típica do Django ORM, escreva um teste que reproduza o problema de forma confiável e depois proponha e implemente uma correção usando bloqueio a nível de banco de dados.
Comparar com
- Mistral Large 4Modelo apenas para APIContexto de 1,048,576 tokens · entrada $0.68/M, saída $2.09/M
- Mistral Medium 3.5Modelo apenas para APIContexto de 262,144 tokens · entrada $1.50/M, saída $7.50/M
- Mistral Large 2407Modelo apenas para APIContexto de 131,072 tokens · entrada $2.00/M, saída $6.00/M
- Mistral NemoModelo com pesos abertosContexto de 131,072 tokens · entrada $0.03/M, saída $0.03/M
Mais modelos de texto de mistralai
Perguntas frequentes
- Os pesos são abertos e posso rodar o Devstral 2 localmente?
- Sim — os pesos estão disponíveis no Hugging Face sob uma licença MIT modificada, então você pode baixar e hospedar o modelo, embora 123 bilhões de parâmetros em precisão FP8 exijam memória GPU substancial.
- Quanto custa o Devstral 2 via API e qual é seu limite de contexto?
- A Mistral cobra $0,40 por milhão de tokens de entrada e $2,00 por milhão de tokens de saída, com uma janela de contexto de 256K (262.144 tokens).
- Como o Devstral 2 se compara ao Devstral Small 2?
- Devstral 2 com 123B alcança 72,2% no SWE-bench Verified contra 68,0% do Devstral Small 2 de 24B; o modelo maior também lidera em tarefas multilíngues SWE e TerminalBench 2, com custo maior de hardware e API.
Veredito do capitãoO agente de codificação com pesos abertos mais forte disponível nesse tamanho — se você tiver VRAM suficiente.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
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.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Devstral 2 2512 é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153