Devstral Medium

Fiche modèle · Mistral AI · devstral-medium-2507

Devstral Medium builds upon the strengths of Devstral Small and takes performance to the next level with a score of 61.6% on SWE-Bench Verified. Devstral Medium is available through the Mistral public API, and offers exceptional performance at a competitive price point, making it an ideal choice for businesses and developers looking for a high-quality, cost-effective model.

Fiches modèles

Identité

Organisation	Mistral AI
Pays	—
Famille	—
Type	llm
Date de sortie	2025-07-10
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	text
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:31.998406Z
Mis à jour le	2026-11-04T06:04:55.813213Z
Source	LLM Stats
URL	https://llm-stats.com/models/devstral-medium-2507

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
reasoning	0.60
frontend_development	0.60
general	0.60
code	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
swe-bench-verified	reasoning	0.62	1.00	0.62	non	oui	2026-11-04T06:04:55.818500Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	214	—	5.20	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04