Stand: 30. September 2026 · Source-first Referenz50 dokumentierte Open-Weight-Modelle · Keine bezahlten Rankings
OpenWeightModelle.de 50 Modelle ansehen
✓ Redaktionell geprüftPrüfdatum: 30. September 2026
ModelPassport · Coding

Devstral Small 2505

Devstral Small 2505 ist Mistrals auf software-engineering-nahe Agenten- und Coding-Aufgaben ausgerichtete Open-Weight-Variante. Sie ist besonders für Repository-Analyse, Codeänderungen und agentische Entwickler-Workflows interessant.

Mistral AI24B-KlasseText / CodeApache 2.0
Codingredaktionelle Einordnung
Mistral AIAnbieter
Primärquelle dokumentiertQuellenstatus
30. September 2026letzte Prüfung
Kurz erklärt

Devstral Small 2505 ist Mistrals auf software-engineering-nahe Agenten- und Coding-Aufgaben ausgerichtete Open-Weight-Variante. Sie ist besonders für Repository-Analyse, Codeänderungen und agentische Entwickler-Workflows interessant. Für die lokale Praxis wird das Modell als High-End lokal eingeordnet. Die Lizenz ist Apache 2.0.

Größe24B-Klasse
ArchitekturDense Transformer
ModalitätText / Code
SchwerpunktCoding
ModelPassport 1.0

Standardisierte Referenzdaten

Modell-IDOWM-0034
AnbieterMistral AI
FamilieDevstral
Parameterklasse24B-Klasse
ArchitekturDense Transformer
ModalitätText / Code
SchwerpunktCoding
LizenzApache 2.0
Lokale EinordnungHigh-End lokal
Prüfdatum30. September 2026
QuellenstatusPrimärquelle verlinkt
Profilversion1.0

Was ist Devstral Small 2505?

Devstral Small 2505 gehört zur Modellfamilie Devstral von Mistral AI. Die hier dokumentierte Variante wird als 24B-Klasse eingeordnet und verarbeitet Text / Code. Der Schwerpunkt liegt auf Coding.

OpenWeightModelle trennt dabei bewusst zwischen verfügbaren Modellgewichten und dem Begriff „Open Source“. Entscheidend sind die konkreten Lizenzbedingungen, weil offene Gewichte nicht automatisch bedeuten, dass Training, Daten, Code und sämtliche Nutzungsrechte vollständig offenliegen.

Wofür eignet sich Devstral Small 2505?

Aus Modellklasse und veröffentlichtem Produktschwerpunkt ergeben sich vor allem folgende Einsatzfelder:

  • Repository-analyse – sinnvoll als Testfeld für Repository-Analyse auf eigener oder kontrollierter Infrastruktur.
  • Coding-agenten – sinnvoll als Testfeld für Coding-Agenten auf eigener oder kontrollierter Infrastruktur.
  • Codeänderungen und debugging – sinnvoll als Testfeld für Codeänderungen und Debugging auf eigener oder kontrollierter Infrastruktur.

Ob das Modell in einem konkreten Produkt zuverlässig genug ist, lässt sich nicht aus einem öffentlichen Benchmark allein ableiten. Für produktive Systeme sollten eigene Testdaten, Fehlertoleranz, Latenz, Speicherbedarf und Sicherheitsanforderungen gemeinsam betrachtet werden.

Hardware und lokale Nutzung

Praxisorientierung: ca. 32 GB+ bei Quantisierung; mehr für große Repository-Kontexte. Diese Angabe ist absichtlich als Größenordnung formuliert. Quantisierung kann den Speicherbedarf deutlich senken, während lange Kontexte, große Batches, Vision-Encoder oder KV-Cache den Bedarf wieder erhöhen können.

Wichtig: Eine Parameterzahl ist kein direkter VRAM-Wert. Format, Quantisierung, Runtime, Kontextlänge und Offloading entscheiden mit darüber, ob ein Modell auf einer konkreten Maschine sinnvoll läuft.

Stärken und sinnvolle Einsatzgrenzen

  • auf Code- und Entwickler-Workflows ausgerichtet
  • für lokale Repository- und Debugging-Experimente interessant
  • Self-Hosting kann Quellcode im eigenen Infrastrukturpfad halten

Grenzen

  • Die tatsächliche Ausgabequalität hängt stark von Prompting, Quantisierung, Runtime und Anwendungsdomäne ab.
  • Hardwareangaben auf dieser Seite sind eine redaktionelle Praxisorientierung und keine Garantie des Herstellers.
  • Lizenz, Acceptable-Use-Regeln und Modellkarte können sich ändern; für produktive Nutzung ist die Primärquelle maßgeblich.

Lizenz und kommerzielle Nutzung

Die offizielle Modellquelle kennzeichnet Devstral Small 2505 mit Apache 2.0. Die Bezeichnung auf dieser Seite ist eine Dokumentation der veröffentlichten Lizenz, keine Rechtsberatung.

Vor kommerziellem Einsatz sollten insbesondere Weitergabe, Modifikation, Branding-/Attribution-Pflichten, Acceptable-Use-Regeln und mögliche Schwellenwerte für große Nutzer oder Plattformen direkt in den Originalbedingungen geprüft werden.

Deployment: lokal, eigener Server oder Cloud?

Für Devstral Small 2505 ist die technische Einordnung High-End lokal. Kleine Modelle können häufig direkt auf Laptops oder Desktop-GPUs sinnvoll sein. Größere Dense- oder MoE-Modelle verschieben den sinnvollen Betrieb in Richtung großer Workstations, dedizierter GPU-Server oder verteilter Inferenz.

Für Unternehmen ist die Frage daher nicht nur „Kann das Modell lokal laufen?“, sondern auch: Welche Latenz wird benötigt, wie viele parallele Nutzer gibt es, welche Daten dürfen die Infrastruktur verlassen und wie hoch sind Betriebs- und Wartungskosten?

Offizielle Quellen

Quellen werden verlinkt, damit technische und lizenzbezogene Angaben direkt an der Primärquelle überprüft werden können. Bei Widersprüchen hat die aktuelle Originalquelle Vorrang.

Häufige Fragen zu Devstral Small 2505

Kann Devstral Small 2505 lokal laufen?

Devstral Small 2505 ist als Open-Weight-Modell grundsätzlich selbst betreibbar. Für die Praxis ordnen wir die Hardwareklasse als „High-End lokal“ ein: ca. 32 GB+ bei Quantisierung; mehr für große Repository-Kontexte. Der tatsächliche Bedarf hängt von Quantisierung, Kontextlänge, Batch-Größe und Runtime ab.

Welche Lizenz hat Devstral Small 2505?

Für Devstral Small 2505 ist in der verlinkten offiziellen Modellquelle „Apache 2.0“ angegeben. Open Weight bedeutet nicht automatisch Open Source. Für kommerzielle oder regulierte Nutzung sollten die vollständigen Lizenzbedingungen direkt an der Primärquelle geprüft werden.

Wofür eignet sich Devstral Small 2505?

Der dokumentierte Schwerpunkt liegt bei Coding. Typische Einsatzfelder sind Repository-Analyse, Coding-Agenten, Codeänderungen und Debugging. Ob das Modell für einen konkreten Produktionsfall geeignet ist, sollte mit eigenen Daten und Qualitätsanforderungen getestet werden.