This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Mistral has launched a newer release, Devstral 2. We suggest considering it instead.

Mistral

•

Proprietary model

•

Released Juli 2025

Devstral Medium: Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Geschwindigkeit

k. A.

Ausgabetokens pro Sekunde

Kosten

Eingabe 0,00 $Ausgabe 0,00 $

k. A.

Kosten pro Intelligence-Index-Aufgabe

Ausführlichkeit

k. A.

Ausgabetokens im Intelligence Index

Devstral Medium zählt bei der Intelligenz zu den überdurchschnittlichen Modellen und ist preislich gut aufgestellt im Vergleich zu anderen Modellen ohne Reasoning mit ähnlichem Preis. Das Modell unterstützt Text als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 256k Tokens.

Devstral Medium erzielt im Artificial Analysis Intelligence Index einen Wert von 9 und liegt damit über dem Durchschnitt der vergleichbaren Modelle (Median: 7).

Der Preis für Devstral Medium beträgt $0.00 pro 1 Mio. Eingabetokens (preislich konkurrenzfähig; Median: $0.05) und $0.00 pro 1 Mio. Ausgabetokens (preislich konkurrenzfähig; Median: $0.15).

Reasoning	Nein Diese Seite zeigt die Version dieses Modells ohne Reasoning. Möglicherweise gibt es auch eine Reasoning-Variante.
Eingabemodalität	Unterstützt: Text
Ausgabemodalität	Unterstützt: Text
Kontextfenster	256k ~384 A4-Seiten in Arial mit Schriftgröße 12

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Wichtigste Ergebnisse

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Kosten

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Häufig gestellte Fragen

Häufige Fragen zu Devstral Medium

Devstral Medium wurde am 10. Juli 2025 veröffentlicht.

Devstral Medium wurde von Mistral entwickelt.

Devstral Medium erzielt im Artificial Analysis Intelligence Index einen geschätzten Wert von 9 und liegt damit im Vergleich zu anderen Modellen ohne Reasoning einer ähnlichen Preisklasse über dem Durchschnitt (Median: 7).

Nein, Devstral Medium ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Devstral Medium unterstützt Text als Eingabe.

Devstral Medium unterstützt Text als Ausgabe.

Nein, Devstral Medium unterstützt keine Bildeingaben. Es kann nur Text verarbeiten.

Nein, Devstral Medium ist nicht multimodal. Es unterstützt nur Text als Eingabe.

Devstral Medium hat ein Kontextfenster von 260k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Nein, Devstral Medium ist proprietär. Die Modellgewichte sind nicht öffentlich verfügbar.

Devstral Medium ist ein proprietäres Modell und Mistral hat weder die Modellgröße noch die Parameterzahl offengelegt.

Devstral Medium erzielt im Artificial Analysis Intelligence Index einen Wert von 9. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Die aktuelle API-Verfügbarkeit finden Sie auf der Anbieterseite. Anbieter anzeigen

Die Verfügbarkeit finden Sie auf der Anbieterseite. Anbieter vergleichen

Devstral Medium: Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Geschwindigkeit

Kosten

Ausführlichkeit

Zusammenfassung des Vergleichs

Technische Spezifikationen

299 Modelle in dieser Klasse

Intelligenz

Geschwindigkeit

Kosten pro Aufgabe

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Benchmarks

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Kosten

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Kontextfenster

Context Window

Context Window for RAG

Context Window

Häufig gestellte Fragen

Wann wurde Devstral Medium veröffentlicht?

Wer hat Devstral Medium entwickelt?

Wie intelligent ist Devstral Medium?

Ist Devstral Medium ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Devstral Medium?

Welche Ausgabemodalitäten unterstützt Devstral Medium?

Kann Devstral Medium Bilder verarbeiten?

Ist Devstral Medium multimodal?

Wie groß ist das Kontextfenster von Devstral Medium?

Hat Devstral Medium offene Gewichte?

Wie viele Parameter hat Devstral Medium?

Wie schneidet Devstral Medium in Benchmarks ab?

Ist Devstral Medium über eine API verfügbar?

Wo kann ich Devstral Medium verwenden?