Devstral-Small-2505
mistralai familia devstral-small
Modelo publicado en Hugging Face; tarea no declarada en los metadatos publicos.
también conocido como mistralai/Devstral-Small-2505
Para qué sirve
Cita textual de la model card del creador: no es una paráfrasis del Atlas.
- Devstral excels at using tools to explore codebases, editing multiple files and power software engineering agents.
- Agentic coding: Devstral is designed to excel at agentic coding tasks, making it a great choice for software engineering agents.
Para qué NO sirve
Sin restricciones declaradas por el creador. La ausencia de una advertencia no es una garantía.
Ficha técnica
| Entrada | desconocido |
|---|---|
| Salida | desconocido |
| Arquitectura | MistralForCausalLM |
| Parámetros | 23.57B |
| Parámetros activos | desconocido |
| Ventana de contexto | desconocido |
| Idiomas | en, fr, de, es, pt, it, ja, ko, ru, zh, ar, fa |
Acceso y despliegue
| Despliegue | Pesos descargables |
|---|---|
| IDs de API | desconocido |
| Proveedores | desconocido |
Que un modelo sea descargable no implica que su licencia permita usarlo comercialmente.
Licencia
verificada el 11 oct 2026| Identificador | apache-2.0 |
|---|---|
| Pesos descargables | Sí |
| Código fuente | desconocido |
| Uso comercial | Sí |
| Redistribución | Sí |
| Modificación | Sí |
Fuente de la licencia: https://huggingface.co/mistralai/Devstral-Small-2505
Precios
Los precios de API cambian sin aviso: se revisan cada 30 díasNo hay precios verificados para este registro. Puede ser un modelo sin servicio de pago propio, o simplemente no haber fuente primaria publicada con tarifa: no inventamos una cifra.
Evaluación
Dos resultados solo son comparables si comparten protocolo y conjunto de datos. Cuando no es el caso, el Atlas lo dice en lugar de calcular una media.
| Prueba | Resultado | Conjunto | Protocolo | Fecha | Confianza |
|---|---|---|---|---|---|
| SWE-Bench Verified | 46.8 % resueltos | SWE-Bench Verified | SWE-Bench Verified; scaffold OpenHands (All Hands AI); métrica % de instancias resueltas; tabla 'Benchmark Results — SWE-Bench' de la model card oficial (mistralai/Devstral-Small-2505). NO comparable con resultados obtenidos con otros scaffolds (OpenAI/Anthropic/SWE-agent), la propia tabla los separa | desconocido | B |
Ejecución local
Estimación y medición se muestran por separado: una estimación no es una medida.
| Precisión | Backend | RAM | VRAM | Método | Tokens/s |
|---|---|---|---|---|---|
| no especificada en la fuente | model card (despliegue local: vLLM, mistral-inference, transformers, LM Studio, llama.cpp, Ollama) | 32 GB | desconocido | estimado | desconocido |
Fuentes de esta ficha
- model_card Hugging Face model card: mistralai/Devstral-Small-2505 recuperada el 11 oct 2026
IA para developers
Saber qué es Devstral-Small-2505 no es saber usarlo
Elegir el modelo es el 10 % del trabajo. El resto es integrarlo, medirlo, controlar el coste y gobernar los datos. Eso es lo que se aprende en IAcademy.
¿Por qué se usa aquí? Elegir modelo de código sin medirlo en tu propio repositorio es apostar. Aquí se aprende a compararlos con tus casos reales.
Lo que cambia
- De saber qué existe a saber cómo usarlo en tu trabajo.
- Del catálogo general a una decisión con coste, licencia y privacidad justificados.
- Prácticas y laboratorios, no solo lectura.