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
mistral9. Dezember 2025 · Q001460

Introducing: Devstral 2 and Mistral Vibe CLI.

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral stellt Devstral 2 und Devstral Small 2 als Modelle für Programmieraufgaben sowie den quelloffenen Terminalassistenten Vibe CLI vor. Der Bericht nennt Benchmarkwerte von 72,2 und 68,0 Prozent, räumt aber ein, dass Claude Sonnet 4.5 in einer beschriebenen Bewertung weiterhin bevorzugt wurde. Angaben zu Leistung, Kosteneffizienz und Produktivität sind Unternehmensbehauptungen; ihre Prüfung wird im Artikel nur teilweise beschrieben.

Mittel

Der Bericht stellt Mistrals Programmiermodelle Devstral 2 (123 Milliarden Parameter) und Devstral Small 2 (24 Milliarden) sowie den Terminalassistenten Mistral Vibe CLI vor. Laut Mistral erreichen die Modelle 72,2 beziehungsweise 68,0 Prozent bei SWE-bench Verified. Small 2 habe ein Kontextfenster von 256.000 Token, unterstütze Bildeingaben und könne lokal auf Verbraucherhardware laufen. Für Devstral 2 nennt der Bericht mindestens vier GPUs der H100-Klasse. Beide Modelle sollen Codebasen bearbeiten und Änderungen über mehrere Dateien hinweg koordinieren können; Fine-Tuning sei ebenfalls möglich.

Mistral zufolge übertraf Devstral 2 in einer menschlichen Bewertung DeepSeek V3.2, während Claude Sonnet 4.5 weiterhin deutlich bevorzugt wurde. Der Bericht hält damit eine verbleibende Lücke zu geschlossenen Modellen fest. Die Ergebnisse und Aussagen zur Kosteneffizienz stammen aus dem Unternehmensbericht; die Methodik wird nur teilweise erläutert.

Vibe CLI ist laut Artikel quelloffen und bietet unter anderem Codesuche, Dateibearbeitung, Versionskontrolle, Befehlsausführung sowie konfigurierbare Werkzeugrechte. Devstral 2 sei zunächst kostenlos über die API verfügbar; spätere Tokenpreise werden angegeben. Der Text enthält zudem Anbieterbehauptungen wie eine bis zu siebenfach höhere Kosteneffizienz gegenüber Claude Sonnet, ohne deren Berechnung im Artikel näher auszuführen.

Ausführlich lesen

Der Bericht kündigt Mistrals neue Familie von Programmiermodellen Devstral 2 sowie den Kommandozeilenassistenten Mistral Vibe CLI an. Devstral 2 umfasst ein Modell mit 123 Milliarden Parametern und Devstral Small 2 mit 24 Milliarden. Mistral zufolge ist das größere Modell unter einer angepassten MIT-Lizenz verfügbar, das kleinere unter Apache 2.0; beide werden als quelloffen und permissiv lizenziert beschrieben. Devstral 2 sei zunächst kostenlos über die Mistral-API nutzbar. Nach der kostenlosen Phase nennt der Bericht Preise von 0,40 US-Dollar je Million Eingabetoken und 2,00 US-Dollar je Million Ausgabetoken für Devstral 2 sowie 0,10 beziehungsweise 0,30 US-Dollar für Small 2.

Als Leistungswerte nennt Mistral 72,2 Prozent für Devstral 2 und 68,0 Prozent für Small 2 im Benchmark SWE-bench Verified. Der Bericht stellt diese Ergebnisse in Beziehung zu deutlich größeren Modellen und behauptet, die Devstral-Modelle seien um ein Mehrfaches kleiner als DeepSeek V3.2 und Kimi K2. Mistral leitet daraus ab, dass kompaktere Modelle mit größeren Konkurrenten mithalten oder sie übertreffen könnten. Small 2 habe ein Kontextfenster von 256.000 Token, könne lokal auf Verbraucherhardware laufen und unterstütze Bildeingaben. Das größere Modell sei für Rechenzentrums-GPUs ausgelegt und benötige laut Bericht mindestens vier GPUs der H100-Klasse; Small 2 sei für den Betrieb mit einer GPU vorgesehen und laufe auch auf Systemen ohne dedizierte GPU.

Für Produktionsabläufe beschreibt Mistral Funktionen zum Erkunden von Codebasen, Ändern mehrerer Dateien und Beibehalten architektonischen Kontexts. Das Modell könne Abhängigkeiten berücksichtigen, Fehler erkennen und nach Korrekturen erneut versuchen. Es lasse sich außerdem für bestimmte Programmiersprachen oder große Unternehmens-Codebasen feinjustieren. In einer von einem unabhängigen Anbieter durchgeführten menschlichen Bewertung mit über Cline vorbereiteten Aufgaben habe Devstral 2 DeepSeek V3.2 laut Bericht mit einer Gewinnrate von 42,8 Prozent gegenüber einer Verlustrate von 28,6 Prozent übertroffen. Claude Sonnet 4.5 sei jedoch weiterhin deutlich bevorzugt worden. Damit räumt der Bericht ein, dass gegenüber geschlossenen Modellen eine Leistungslücke bestehen bleibt. Die genannten Benchmark- und Vergleichswerte werden als Angaben des Unternehmens wiedergegeben; der Text erläutert die Bewertungsmethodik nur teilweise.

Mistral Vibe CLI wird als quelloffener, unter Apache 2.0 lizenzierter Programmierassistent für das Terminal vorgestellt. Er soll Codebasen mit natürlichsprachlichen Eingaben durchsuchen, verändern und Befehle ausführen können; außerdem lässt er sich laut Bericht über das Agent Communication Protocol in eine IDE integrieren. Genannt werden Dateibearbeitung, Codesuche, Versionskontrolle, Befehlsausführung, Projektkontext aus Dateistruktur und Git-Status, Dateiverweise, Verlauf und Autovervollständigung. Vibe CLI könne programmatisch genutzt, angepasst und mit lokalen Modellen oder unterschiedlichen Anbietern eingerichtet werden; auch Werkzeugberechtigungen und automatische Freigaben seien konfigurierbar.

Als weitere Zugänge nennt Mistral die Einbindung in Kilo Code und Cline sowie eine Erweiterung für Zed. Der Bericht behauptet, Devstral 2 sei bei realen Aufgaben bis zu siebenmal kosteneffizienter als Claude Sonnet; Einzelheiten zur Berechnung dieser Aussage werden im Text nicht ausgeführt. Ebenso bleibt die angedeutete Halbierung der PR-Durchlaufzeit eine Produktbehauptung. Der Artikel enthält Anbieterangaben, Benchmarkergebnisse und ausgewählte Zitate von Partnern, aber keine vollständigen unabhängigen Prüfungen der Produkt- und Kostenaussagen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu, lässt aber die Lizenzangaben und Partnerschaften aus. Die Einordnung bezieht sich auf ein Produktankündigung-Dokument und stützt sich nur auf die dort genannten Fakten.

Im Bericht, aber nicht in der Zusammenfassung

  • Lizenzen: Devstral 2 unter modifizierter MIT-Lizenz, Devstral Small 2 und Vibe CLI unter Apache 2.0
  • Größenvergleich: Devstral 2 und Small 2 sind 5x bzw. 28x kleiner als DeepSeek V3.2
  • Partnerschaften mit Kilo Code und Cline sowie die Zed-Erweiterung für Vibe CLI

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-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. 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 31 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 31 %einzelne zitierbare Belege
    • JEV 39 %nur am Rande erwähnt
    • amos 29 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 32 %Hintergrund, keine Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht

    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 29 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 25 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  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 44 %einzelne zitierbare Belege
    • amos 48 %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 39 %einzelne zitierbare Belege
    • JEV 31 %umfangreiche Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 46 %beantwortet teilweise oder widerspricht
    • amos 29 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 32 %einzelne zitierbare Belege
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 21 %nur am Rande erwähnt
    • Luna 52 %einzelne zitierbare Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 34 %einzelne zitierbare Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 28 %nur am Rande erwähnt
    • Haiku-Prüfung Hintergrund, keine Belege

    • 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 4 · 41 % · einzelne zitierbare 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 36 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 64 %einzelne zitierbare Belege
    • JEV 39 %umfangreiche Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 35 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen? Luna: Stufe 4 · 26 % · einzelne zitierbare Belege
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 →