Devstral-2-123B-Instruct-2512-int4-AutoRound
MODEL PROFILE模型资料InferX · 2025-12-09 发布 · devstral 家族 · 开源权重 · 1 家平台收录
Devstral-2-123B-Instruct-2512-int4-AutoRound 是 InferX 于 2025 年 12 月发布的 devstral 家族开源权重模型，以 int4 量化形态分发，面向需要在自建或托管环境里跑代码理解与工具调用 agent 的开发者。
模型介绍
该模型属于 devstral 系列，名称中的 123B 指明参数规模，int4-AutoRound 表示权重经过 AutoRound 低比特量化后发布，开源权重可下载部署。上下文窗口 128000 tokens，单次最大输出同为 128000 tokens，知识截止到 2025 年 12 月，输入输出均为纯文本。能力层面明确支持工具调用与温度调节，适合把长代码文件、工具描述和多轮对话一起放进窗口的 agent 工作流。官方定价输入与输出均为 0 美元/百万 tokens，目前仅 1 家平台收录，models.dev 与其 inferx 条目报价同为免费。它解决的核心问题是：让需要长上下文和函数调用能力的团队以近乎零的调用成本做原型验证与批量任务试跑，同时保留自行部署量化权重的选项。受限于第三方跑分缺失，能力上限只能做定性判断，公开资料对训练数据与对齐细节披露较少。
选型建议需要长上下文、工具调用且预算敏感的代码类 agent 项目可以优先试它；要求有公开跑分背书或强多模态能力的场景则应另选。
关键指标
适用场景
- 搭建仓库级代码 agent，把多个源文件与工具说明一次性放进长上下文处理
- 接入函数调用，完成需要多轮工具编排的自动化任务与数据流转
- 在自建环境部署 int4 量化权重，运行离线的代码补全与代码评审
- 利用温度调节控制输出稳定性，批量生成结构化文本、测试用例与配置草稿
- 做低成本的 agent 原型验证，在免费额度内反复迭代提示词与工具链
暂无：许可证、参数规模、缓存读价、缓存写价、推理、结构化输出、附件（上游未公开，本站不估算）。 资料更新于 337 天前；发布 337 天。
规格与能力
上面没列到的字段整体沿用 devstral 系列的指令模型路线，发布形态是经过 int4 量化的开源权重，结构细节公开有限。
- 结构以 Devstral-2 123B 指令模型为底，用 AutoRound 做 int4 量化后发布，权重开放；层数、注意力设计等细节公开资料较少。
- 能力原生支持工具调用与温度调节，配合 128000 tokens 上下文与同等上限的单次输出，适合长代码库与多轮工具编排。
- 模态只接受文本输入、只输出文本，不包含图像与音频通道，多模态任务需另接其他模型。
- 披露训练数据构成、对齐方法与量化前后的精度对照均未公开，评估时需以自测结果为准。
- 开源权重
- 是
- 模型家族
- devstral
能力
工具调用温度调节
同系列其他规格
| 型号 | 厂商 | 参数 | 上下文 | 输入价 | 输出价 |
|---|---|---|---|---|---|
| Devstral 2 123B | Amazon Bedrock | — | 262.1K | $0.4/M | $2/M |
| Devstral 2 123B | Amazon Bedrock | — | 262.1K | $0.4/M | $2/M |
| Devstral 2 123B | NanoGPT | — | 262.1K | $0.4/M | $1.4/M |
性能表现
缺少第三方跑分支撑，只能结合结构与上下文规格做定性判断，实际表现应以自身任务验证。
- 强项超长上下文叠加工具调用，适合仓库级代码阅读、跨文件修改与多步 agent 流程，减少切片与检索的工程成本。
- 短板本站未收录任何公开跑分，横向能力无从校准；int4 量化通常带来一定精度折损，幅度公开资料较少。
- 适合把代码理解、函数调用、结构化文本生成放在同一条链路上的任务，比纯对话场景更能发挥其规格优势。
- 取舍免费与开源权重降低了试错成本，但若任务对推理稳定性要求极高，建议与未量化的同族模型做对照验证。
价格与性价比
结合各平台报价与同类对比官方定价输入与输出均为 0 美元/百万 tokens，收录平台报价一致，属于零成本调用档位。
- 定位官方输入、输出价格都标为免费，使用门槛主要来自部署与调用工程，而不是 token 账单。
- 横向对比同族的 Devstral Small 为收费档，DeepSeek 与 ERNIE 对比项价格更高；本模型免费，但对比表未列出价差数值。
- 平台差价仅 models.dev 一家收录，其 inferx 条目与主条目同为免费，缓存读价格未提供，平台之间不存在可比较的差价。
- 省钱适合高频压测、批量 agent 试跑与教学演示；免费策略可能调整，正式上线前应确认最新条款与配额。
平台报价对比
2 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| models.dev | 免费 | 免费 | — | 基准 |
| models.dev · inferx | 免费 | 免费 | — | 基准 |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 免费 / 免费（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Devstral Small 2505IO.NET | 128K | $0.05/M | $0.22/M | 基准 | — |
| Devstral Small 2Mistral | 256K | 免费 | 免费 | 基准 | — |
| DeepSeek-R1DeepSeek | 128K | $0.5237/M | $2.2053/M | 基准 | 138.6 |
| DeepSeek-V3DeepSeek | 128K | $0.56/M | $1.68/M | 基准 | 131.8 |
| GPT-4o miniOpenAI | 128K | $0.15/M | $0.6/M | 基准 | 124.0 |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
关于 Devstral-2-123B-Instruct-2512-int4-AutoRound 的常见问题
5 条Devstral-2-123B-Instruct-2512-int4-AutoRound 的 API 价格是多少？
当前收录的资料把该模型标为免费（输入与输出价格均为 0）。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
Devstral-2-123B-Instruct-2512-int4-AutoRound 支持多长的上下文？
资料显示上下文窗口 128K（128,000 tokens），单次最大输出 128K。实际可用长度还取决于调用平台的限制。
Devstral-2-123B-Instruct-2512-int4-AutoRound 是开源模型吗？
Devstral-2-123B-Instruct-2512-int4-AutoRound 提供开源权重，可以自行下载部署。本站展示的价格是各托管平台对 API 调用的报价，自部署不计入。
Devstral-2-123B-Instruct-2512-int4-AutoRound 支持哪些能力？
按当前资料，Devstral-2-123B-Instruct-2512-int4-AutoRound 支持工具调用、温度调节。输入输出模态为 文本。
Devstral-2-123B-Instruct-2512-int4-AutoRound 可以在哪些平台调用？
当前资料显示该模型被 1 家 provider 或网关收录。本站核对的数据来源包括 models.dev。收录数量只反映公开目录的部署面，不代表任何一家平台的服务质量。
使用注意
- 口径第三方跑分缺失，任何性能结论都只能停留在定性层面，不宜用榜单成绩做选型依据。
- 边界纯文本模态、知识截止 2025 年 12 月，时效性要求高的信息需外接检索或工具补齐。
- 窗口单次最大输出与上下文同为 128000 tokens，超长输出仍受总窗口约束，长文档任务需规划分段。
- 渠道仅 1 家平台收录，缺少多渠道比价与容灾备份，生产环境需自备回退方案。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
