Mistral · pașaport de model
Devstral 2
devstral-2- Ponderi deschise
- Licență Modified MIT
- Lansat 2026-10-13(văzut prima dată pe LMArena)
- Cea mai bună percentilă
- 54.7MMLU-Pro (Artificial Analysis)
- Poziția în cohortă
- 42.8mediană 60.8
Ce spun datele
Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 5.8 pct — WebDev Arena (1,197)
Neuniform: 48,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 54.7 pct pe MMLU-Pro (Artificial Analysis) față de 5.8 pct pe WebDev Arena.
- MMLU-Pro (Artificial Analysis)54.7 pct76.2%Verifică →
- LiveCodeBench (Artificial Analysis)53.1 pct44.8%Verifică →
- IFBench (Artificial Analysis)35.8 pct38.1%Verifică →
- WebDev Arena5.8 pct1,197Verifică →
- GeneralNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
- ProgramareNeevaluat
- Urmarea instrucțiunilorNeevaluat
- Prompturi dificileNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
Devstral 2 stands at 42.8 (raw mean 37.3) — measured on 4 of 27 axes.
Devstral 2 stands at 42.8 versus a cohort median of 60.8 across 168 models released within 180 days — below the peer median.
Devstral 2 scores at percentile 5.8 on WebDev Arena.
Devstral 2 ranks between #149 and #666 across 4 built-in weightings — best under "Agentic", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →