Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral10. Juli 2025 · Q001324

Upgrading agentic coding capabilities with the new Devstral models

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral stellt Devstral Small 1.1 unter Apache 2.0 und Devstral Medium über seine API vor. Laut Anbieter erreichen sie 53,6 beziehungsweise 61,6 Prozent auf SWE-Bench Verified; Mistrals Aussagen zu Spitzenleistung und Preisvorteil werden im Bericht nicht unabhängig belegt oder methodisch näher erläutert.

Mittel

Mistral kündigt gemeinsam mit All Hands AI Devstral Small 1.1 und Devstral Medium für agentisches Programmieren an. Small 1.1 behält die Architektur des Vorgängers mit 24 Milliarden Parametern bei und steht unter Apache 2.0. Nach Angaben des Unternehmens erreicht das Modell 53,6 Prozent auf SWE-Bench Verified und ist damit unter offenen Modellen ohne Testzeit-Skalierung führend. Mistral hebt zudem die Nutzung mit OpenHands, die Anpassungsfähigkeit an verschiedene Prompts und Umgebungen sowie die Unterstützung von Function Calling und XML hervor.

Devstral Medium erreicht laut Mistral 61,6 Prozent im selben Benchmark. Mistral behauptet, es übertreffe Gemini 2.5 Pro und GPT-4.1 zum Viertel des Preises; Vergleichspreise und Testbedingungen werden im Bericht nicht näher ausgeführt. Medium ist per API verfügbar, kann laut Anbieter auch auf privater Infrastruktur eingesetzt und kundenspezifisch feinabgestimmt werden.

Die genannten API-Preise je Million Tokens liegen bei 0,10/0,30 US-Dollar für Small (Eingabe/Ausgabe) und 0,40/2 US-Dollar für Medium. Die Leistungs- und Preisvergleiche sind Anbieterangaben; eine unabhängige Überprüfung oder ausführliche Benchmarkmethodik enthält der Bericht nicht.

Ausführlich lesen

Mistral stellt in Zusammenarbeit mit All Hands AI zwei Modelle für agentisches Programmieren vor: Devstral Small 1.1 als überarbeitete Version des bisherigen Small-Modells und das neue Devstral Medium. Laut Mistral liegt ein Schwerpunkt der Entwicklung auf der Verallgemeinerung über verschiedene Prompts und Agenten-Setups hinweg.

Devstral Small 1.1 behält die Architektur und die Größe von 24 Milliarden Parametern seines Vorgängers bei. Mistral zufolge erreicht es 53,6 Prozent im Benchmark SWE-Bench Verified und setzt damit unter den offenen Modellen ohne Testzeit-Skalierung einen neuen Bestwert. Das Unternehmen berichtet außerdem von einer guten Leistung in Verbindung mit OpenHands sowie einer verbesserten Anpassungsfähigkeit an unterschiedliche Prompts und Programmierumgebungen. Unterstützt werden sowohl Mistrals Function-Calling-Format als auch XML. Das Modell steht unter der Apache-2.0-Lizenz und kann laut Bericht lokal eingesetzt und angepasst werden.

Devstral Medium erreicht laut Mistral 61,6 Prozent auf SWE-Bench Verified. Das Unternehmen bezeichnet es als leistungsstark und kostengünstig und behauptet, es übertreffe Gemini 2.5 Pro und GPT-4.1 bei einem Viertel des Preises. Der Bericht nennt jedoch weder die dafür verwendeten Vergleichspreise noch weitere Einzelheiten zu den Benchmarkbedingungen. Medium wird über die öffentliche API angeboten; Mistral nennt außerdem den Einsatz auf privater Infrastruktur und kundenspezifisches Fine-Tuning als verfügbare Möglichkeiten. Für Unternehmenskunden soll das Modell auch über Mistral Code erhältlich sein.

Die API-Preise pro einer Million Tokens betragen laut Bericht 0,10 US-Dollar für Eingabe und 0,30 US-Dollar für Ausgabe bei Devstral Small 1.1. Für Devstral Medium werden 0,40 US-Dollar pro Million Eingabe-Tokens und 2 US-Dollar pro Million Ausgabe-Tokens angegeben. Der Text nennt die jeweiligen Modellnamen als „devstral-small-2507“ und „devstral-medium-2507“.

Die Aussagen zu Leistungsrang, Preis-Leistungs-Verhältnis und Eignung stammen vom Anbieter. Der Bericht beschreibt Benchmarkwerte, aber keine unabhängige Prüfung, Testmethodik oder ausführlichen Vergleichsdaten. Er nennt keine Einschränkungen zu den Einsatzmöglichkeiten über die beschriebenen Verfügbarkeits- und Lizenzangaben hinaus.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich auf einen Produktbericht des Anbieters. Sicherheits- und Verantwortungsfragen werden darin nicht behandelt, daher fallen die Werte niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Devstral Medium setzt laut Mistral einen neuen Punkt auf der Kosten-Leistungs-Grenze (Pareto-Front)
  • Devstral Medium ist zusätzlich über Mistral Code für Unternehmenskunden und über die Finetuning-API verfügbar

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 36 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 20 %Hintergrund, keine Belege
    • Luna 53 %einzelne zitierbare Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 27 %einzelne zitierbare Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 27 %nur am Rande erwähnt
    • d3-ultra 30 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 23 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →