devstral-small-2

Ficha tecnica

devstral-small-2 es un modelo IA de la categoría Vision que combina análisis de imágenes, uso de herramientas y generación de código. Ya acumula 690.600 descargas en la librería de Ollama, una cifra que indica un interés real de la comunidad técnica.

Su propuesta es poco habitual: un modelo local y gratuito que no solo «ve» imágenes, sino que también puede escribir el código que actúa sobre lo que ve. Para equipos que construyen sistemas de inspección visual, esa combinación reduce piezas del puzzle.

En este análisis revisamos qué ofrece esta inteligencia artificial, dónde encaja en proyectos industriales y cómo se compara con LLaVA, Moondream y GPT-4V. También cubrimos cómo ponerlo en marcha en minutos con Ollama.

Características técnicas

Estos son los datos que constan en la ficha del modelo. El proveedor figura como Desconocida y el número de parámetros no está especificado, así que conviene verificarlos en la página oficial de Ollama antes de dimensionar hardware.

CaracterísticaDetalle
Nombredevstral-small-2
ProveedorDesconocida
CategoríaVision
ParámetrosDesconocido
LicenciaVaries (según variante; revisar antes de uso comercial)
Descargas690.600
CapacidadesVisión, uso de herramientas (tools), coding
Despliegue recomendadoOllama local
CosteGratuito

Tres capacidades definen su perfil: visión para interpretar imágenes, tools para llamar a funciones y APIs externas, y coding para generar y revisar código.

La licencia aparece como «Varies», así que en proyectos comerciales hay que confirmar los términos exactos de la variante que se descargue.

Casos de uso reales

En consultoría: herramientas de inspección a medida

Para una consultora, el valor está en prototipar rápido. Con devstral-small-2 se puede construir un sistema de control de calidad visual sin depender de APIs de terceros ni enviar imágenes fuera de la red del cliente.

  • Prototipos de inspección: el modelo analiza fotos de piezas y genera el script que clasifica los resultados.
  • Automatización con tools: conecta la salida visual con un ERP, un MES o una alerta en Slack.
  • Informes automáticos: resúmenes de lotes con descripción de anomalías detectadas.

En industria: detección de defectos y conformidad

En planta, el objetivo es detectar defectos en productos manufacturados y verificar su conformidad en la cadena de montaje. Un modelo local permite analizar imágenes con baja latencia y sin exponer datos de producción.

  • Detección de defectos: arañazos, piezas mal ensambladas, etiquetas incorrectas o envases dañados.
  • Monitoreo visual de procesos: revisión de estados de máquina, niveles o posiciones en cámaras fijas.
  • Análisis de conformidad: comparar el producto con una especificación descrita en texto.

Un matiz importante: un modelo de visión generalista no sustituye a un sistema de visión artificial calibrado en tareas de alta precisión. Funciona mejor como capa de razonamiento, para casos ambiguos, revisión asistida o clasificación flexible.

Cómo desplegarlo

El despliegue recomendado es Ollama en local. Es la vía más sencilla y mantiene los datos dentro de tu infraestructura.

  1. Instala Ollama desde ollama.com (Windows, macOS o Linux).
  2. Descarga el modelo con el comando de abajo.
  3. Prueba una consulta con imagen desde la terminal.
  4. Integra la API local en tu aplicación.
ollama pull devstral-small-2
ollama run devstral-small-2 "Describe los defectos visibles en esta pieza: ./pieza01.jpg"

Para integrarlo en una línea de producción, Ollama expone una API REST en http://localhost:11434. Allí puedes enviar imágenes en base64 y recibir respuestas en JSON desde Python, Node o tu sistema de control.

Como el número de parámetros no consta, revisa el tamaño de descarga en la ficha del modelo y planifica la memoria RAM o VRAM en consecuencia. Haz una prueba piloto con imágenes reales antes de escalar.

Comparativa con alternativas

El mercado de modelos de visión es amplio. Así se posiciona devstral-small-2 frente a tres referencias habituales:

ModeloDesplieguePunto fuerteLimitación
devstral-small-2Local (Ollama)Visión + tools + coding en un solo modeloProveedor y parámetros sin confirmar
LLaVALocalEcosistema maduro y muy documentadoMenos orientado a código y herramientas
MoondreamLocalMuy ligero, apto para hardware modestoMenor capacidad de razonamiento complejo
GPT-4VAPI en la nubeAlta calidad generalCoste por uso y datos fuera de tu red

Frente a LLaVA, devstral-small-2 destaca si necesitas que el modelo también genere código o invoque herramientas. LLaVA sigue siendo una opción sólida por su comunidad.

Frente a Moondream, la diferencia está en el equilibrio entre ligereza y capacidad. Moondream gana en dispositivos limitados, pero se queda corto en flujos más complejos.

Frente a GPT-4V, la ventaja es el coste cero por inferencia y la privacidad. La contrapartida es que la calidad máxima en tareas muy exigentes puede ser inferior.

Veredicto Blixel

Puntuación Blixel: 8/10.

devstral-small-2 es un modelo especializado en visión con capacidades de coding, ideal para desarrollar soluciones de inspección visual automatizada. Su alta popularidad (690.600 descargas) y su disponibilidad local lo hacen muy atractivo para proyectos de automatización industrial.

A favor: gratuito, ejecutable en local, con visión, tools y coding integrados. En contra: proveedor «Desconocida», parámetros sin especificar y licencia variable que exige revisión legal.

Nuestra recomendación: pruébalo en un piloto con imágenes reales de tu línea y valida licencia y requisitos de hardware antes de pasar a producción.


Análisis generado por Blixel Models Radar y revisado por el equipo de Blixel AI.

Media hora y os decimos qué se puede automatizar

Sin presentación comercial. Miramos cómo trabajáis y os decimos por dónde empezar. Y por dónde no.