Devstral 2 2512
2123°
Chạy mô hình này
Ưu đãi / Quảng cáo
Mistral | ngữ cảnh 262.144 token | $0.40/M đầu vào, $2.00/M đầu ra. Devstral 2 là mô hình mã nguồn mở tiên tiến của Mistral AI chuyên về lập trình tác nhân. Đây là mô hình transformer dày đặc 123 tỷ tham số hỗ trợ cửa sổ ngữ cảnh 256K. Devstral 2 hỗ trợ khám phá cơ sở mã và điều phối thay đổi trên nhiều tệp trong khi duy trì ngữ cảnh kiến trúc. Nó theo dõi phụ thuộc framework, phát hiện lỗi và thử lại với sửa lỗi — giải quyết các thách thức như sửa lỗi và hiện đại hóa hệ thống cũ. Mô hình có thể được tinh chỉnh để ưu tiên ngôn ngữ cụ thể hoặc tối ưu cho cơ sở mã doanh nghiệp lớn. Nó được phát hành dưới giấy phép MIT sửa đổi.
Hướng dẫn cho mô hình này
LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
Devstral 2 là mô hình 123 tỷ tham số với trọng số mở của Mistral AI, được xây dựng đặc biệt cho kỹ thuật phần mềm tác nhân. Nó điều hướng các cơ sở mã lớn, chỉnh sửa đồng thời trên nhiều tệp, và theo dõi các phụ thuộc framework — tất cả trong cửa sổ ngữ cảnh 256K. Nếu bạn đang xây dựng hoặc vận hành một tác nhân lập trình AI thay vì chỉ yêu cầu đoạn mã, đây là mô hình nên chọn đầu tiên trong các lựa chọn trọng số mở.
Nổi tiếng với
- Làm việc tác nhân trên cơ sở mã: khám phá, chỉnh sửa và điều phối thay đổi trên nhiều tệp.
- 72,2% trên SWE-bench Verified — cạnh tranh với các mô hình có số tham số gấp nhiều lần.
- 61,3% trên SWE-bench Đa ngôn ngữ, điểm SWE đa ngôn ngữ mạnh nhất trong số các đối thủ trọng số mở được liệt kê.
- Cửa sổ ngữ cảnh 256K giữ hiểu biết kiến trúc cấp cao của các cơ sở mã lớn.
- Tương thích với Cline, OpenHands, SWE-Agent, Claude Code và CLI Vibe của Mistral.
Cẩn thận với
- Với 123 tỷ tham số, tự lưu trữ đòi hỏi phần cứng nghiêm túc; hãy kiểm tra VRAM trước khi tải xuống.
- Giấy phép MIT sửa đổi — không phải MIT chuẩn; đọc kỹ điều khoản trước khi sử dụng thương mại hoặc phái sinh.
- Các mô hình biên giới đóng (GPT 5.1 Codex Max, Gemini 3 Pro, Claude Sonnet 4.5) vẫn có điểm cao hơn trên SWE-bench.
Phù hợp nhất cho
Lời nhắc để thử
Kế hoạch tái cấu trúc đa tệp
Tôi có một ứng dụng Python Flask đơn khối nơi logic xác thực bị phân tán trên app.py, routes/user.py và utils/helpers.py. Phân tích các phụ thuộc giữa các tệp này, xác định mọi nơi trạng thái xác thực được đọc hoặc ghi, và tạo một kế hoạch từng bước để tách nó thành một module xác thực độc lập mà không làm hỏng hành vi hiện tại.
Kiểm toán hiện đại hóa mã cũ
Đây là một cơ sở mã Node.js 12 sử dụng callback khắp nơi và phụ thuộc vào một số gói npm đã lỗi thời. Liệt kê mọi mẫu cần thay đổi để đạt tương thích với Node.js 20, nhóm chúng theo mức độ rủi ro, và đề xuất thứ tự xử lý sao cho mỗi thay đổi có thể kiểm tra độc lập.
Săn lỗi với logic thử lại
Một API Django REST trả lỗi 500 không thường xuyên khi hai người dùng cập nhật cùng một đối tượng trong vài mili giây. Đi qua các điều kiện tranh chấp có thể xảy ra trong thiết lập Django ORM điển hình, viết một bài kiểm tra tái tạo lỗi đáng tin cậy, rồi đề xuất và thực hiện sửa lỗi bằng cách khóa ở cấp cơ sở dữ liệu.
So sánh với
- Mistral Large 4Mô hình chỉ APIngữ cảnh 1,048,576 token · Đầu vào $0.68/M, đầu ra $2.09/M
- Mistral Medium 3.5Mô hình chỉ APIngữ cảnh 262,144 token · Đầu vào $1.50/M, đầu ra $7.50/M
- Mistral Large 2407Mô hình chỉ APIngữ cảnh 131,072 token · Đầu vào $2.00/M, đầu ra $6.00/M
- Mistral NemoMô hình mở trọng sốngữ cảnh 131,072 token · Đầu vào $0.03/M, đầu ra $0.03/M
Thêm mô hình văn bản từ mistralai
Câu hỏi thường gặp
- Trọng số có mở và tôi có thể chạy Devstral 2 cục bộ không?
- Có — trọng số có sẵn trên Hugging Face dưới giấy phép MIT sửa đổi, nên bạn có thể tải xuống và tự lưu trữ, dù 123 tỷ tham số ở độ chính xác FP8 đòi hỏi bộ nhớ GPU lớn.
- Devstral 2 có giá bao nhiêu qua API và giới hạn ngữ cảnh là gì?
- Mistral tính 0,40 đô la cho mỗi triệu token đầu vào và 2,00 đô la cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 256K (262.144 token).
- Devstral 2 khác gì so với Devstral Small 2?
- Devstral 2 với 123 tỷ tham số đạt 72,2% trên SWE-bench Verified so với 68,0% của Devstral Small 2 24 tỷ; mô hình lớn hơn cũng dẫn đầu về các tác vụ SWE đa ngôn ngữ và TerminalBench 2, với chi phí phần cứng và API cao hơn.
Phán quyết của thuyền trưởngTác nhân lập trình trọng số mở mạnh nhất có sẵn ở kích thước này — nếu bạn có đủ VRAM để cấp cho nó.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
Devstral 2 2512 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153