Mistral Medium 3.5

Mit einem Gesamtscore von 74,19% präsentiert sich Mistral Medium 3.5 als bemerkenswert schnelles Frontier-Modell aus der Mistral-API: ein generalistischer Dense-128B-Allrounder mit Instruct-Charakter, agentischer Schlagseite und multimodaler Anlage, getestet im Standardmodus ohne Thinking-Toggle (n/a). Der Speed-Profile-Badge „Real-Time DevOps Expert“ passt erstaunlich gut: Dieses Modell antwortet wie ein System, das nicht erst Anlauf nimmt, sondern lieber sofort arbeitet. Gerade deshalb fallen seine Schwächen umso deutlicher auf, wenn Präzision, Begründungstiefe oder toolgestützte Faktentreue gefragt sind. Sovereign Risk: LOW — Mistral AI sitzt in Frankreich, verarbeitet laut Anbieter in der EU und unterliegt nach aktueller Struktur nicht dem US CLOUD Act.

Kopfnoten: Stabilität und Zuverlässigkeit

Stabilität ist bei Cloud-Modellen keine Nebensache, sondern Vertragsbestandteil des Nutzens. Mistral Medium 3.5 liefert hier die saubere Pflicht. Keine Ausfälle, kein wegdriftendes Antwortverhalten, keine bösen Überraschungen im langen Ende der Antwortzeiten. Das ist für agentische Workflows entscheidend, weil ein intelligenter Plan wenig wert ist, wenn der Endpunkt sporadisch ins Nichts fällt.

Architektur und Charakter: Generalist mit Arbeitsmoral

Die vorab vergebene Kategorie General, Instruct, Agentic, Multimodal trifft den Kern ziemlich gut. Als Generalist muss sich Mistral Medium 3.5 an der ganzen Breite des Benchmarks messen lassen, nicht nur an Coding oder Tool-Use. Als Instruct-Modell darf man direkte, aufgabentreue Antworten erwarten statt ausladender Selbstgespräche. Als agentisch eingestuft, muss es Planung, Strukturierung und robuste Arbeitsabläufe beherrschen. Und als multimodales Modell trägt es Fähigkeiten mit, die ein Text-only-Benchmark naturgemäß nur teilweise sichtbar macht. Das ist wichtig: Dieser Test misst hier vor allem den sprachlichen und workflow-orientierten Charakter, nicht die volle Breite seiner Bildkompetenz.

Zur technischen Einordnung gehört auch die Größenordnung. Mistral Medium 3.5 ist ein Frontier-Modell und zugleich ein Dense-Transformer mit 128,0 Milliarden Parametern, von denen alle aktiv sind. Anders als bei Mixture-of-Experts-Modellen gibt es hier keine nominelle Parameterpracht mit kleiner aktiver Kapazität. Die Erwartungen dürfen also hoch sein. Wer in dieser Klasse antritt, wird nicht nach guten Absichten bewertet.

Dass der Testlauf als n/a markiert ist, ist kein Mangel, sondern Folge des Setups: Als kommerzielles Cloud-Modell gibt es hier keinen Thinking-Schalter. Getestet wurde das Standardverhalten, also genau die Variante, die ein typischer API-Nutzer ohne Spezialkonfiguration bekommt. Das ist fair und aufschlussreich. Denn Mistral Medium 3.5 lebt weniger von demonstrativer Denkpose als von zügiger, meist treffsicherer Exekution.

Performance und Kostenprofil

Der Badge „Real-Time DevOps Expert“ sagt mehr als jeder nackte Durchsatzwert. Er beschreibt ein Modell, das sich für interaktive technische Arbeit eignet: Rückfragen im Terminal-Kontext, schnelle Reviews, operative Hilfe unter Zeitdruck. Mistral Medium 3.5 fühlt sich genau so an. Es ist kein gemächlicher Essayist und auch kein kontemplativer Grübler. Es ist ein Arbeitsmodell.

Interessant wird das in Verbindung mit dem Preis. Mit 1,5 Dollar pro 1 Million Input-Token und 7,5 Dollar pro 1 Million Output-Token ist Mistral Medium 3.5 nicht billig im Discount-Sinn, aber im Frontier-Kontext vernünftig positioniert. Vor allem deshalb, weil es sich token-ökonomisch verhält. Kein Modul überschreitet den erwarteten Verbosity-Rahmen. Im Gegenteil: In allen ausgewiesenen Bereichen liegt das Modell unter dem Fleet-Median. Das ist ein echter Praxisvorteil. Wer über API abrechnet, kauft nicht nur Intelligenz, sondern auch Textmenge. Mistral Medium 3.5 schreibt selten über seine Verhältnisse.

Diese Ökonomie passt gut zur Instruct-Seite des Modells. Es antwortet mit einer gewissen Disziplin. Nicht asketisch, aber kontrolliert. Man merkt: Hier will ein Modell erledigen, nicht brillieren um des Brillierens willen.

Code Quality und Security: gutes Auge, zu wenig Biss

Im Bereich Code Quality landet Mistral Medium 3.5 bei 74,76%. Das ist kein Sicherheitsdrama, aber auch kein Auftritt, bei dem ein Security-Team die Kaffeetassen abstellt. Das qualitative Protokoll zeigt ein Modell, das Schwachstellen breit erkennt und formal sauber strukturiert. Die verlangte Markdown-Tabelle sitzt, die Antwort bleibt auf Deutsch, die Liste der gefundenen Lücken ist umfangreich. Vor allem die fünf impliziten Schwachstellen wurden korrekt identifiziert. Das ist mehr als Checkbox-Kompetenz.

Der Haken liegt in der Bewertungstiefe. Mistral Medium 3.5 erkennt mehrere gravierende Risiken, stuft aber zwei davon zu mild ein: Loose API Comparison bleibt bei ihm auf „High“, wo der Standard „Critical“ setzt, und auch eine IDOR-Lücke im Profil-Update wird heruntergestuft. Für Alltags-Reviews ist das verkraftbar. Für ernsthafte Security-Kommunikation ist es ein Problem. Wer Bedrohungen erkennt, aber ihre Exploit-Kette nicht scharf genug bewertet, produziert trügerische Ruhe. Sicherheit scheitert oft nicht am blinden Fleck, sondern am falschen Prioritätenzettel.

Hinzu kommt ein zweiter Punkt: Das Modell liefert eine gute Liste, aber keine überzeugende Angriffserzählung. Es benennt Schwächen atomar, zeigt jedoch zu wenig, wie sich einzelne Lücken zu einem echten Angriffspfad verbinden. Gerade bei Themen wie Type Juggling oder Auth-Bypass reicht ein richtiges Label nicht. Man muss erklären, warum das brennt. Mistral Medium 3.5 schreibt hier wie ein sauberer Auditor, nicht wie ein erfahrener Incident-Responder.

Trotzdem: Für strukturierte Erstanalysen, Security-Checklisten und Review-Vorstufen ist das brauchbar. Für finale Risikobewertungen sollte ein Mensch nachschärfen. Das Modell sieht viel. Es urteilt nicht immer hart genug.

CLI und agentische Eignung: stark im Werkzeugraum, nicht frei von Fantasie

Das CLI- und Tool-Profil ist einer der Gründe, warum dieses Modell im Alltag interessant bleibt. Der Teilscore von 90,67% im CLI-Benchmark ist stark und stützt die Kategorie Agentic überzeugend. Mistral Medium 3.5 strukturiert technische Aufgaben ordentlich, denkt in operativen Schritten und verhält sich in Shell-nahen Szenarien wie ein Modell, das mit echter Arbeit gerechnet hat. Hier zeigt sich seine produktive Seite am klarsten.

Doch genau in diesem Bereich steht auch die schärfste rote Markierung des gesamten Reviews. Im Tool-Use-Bereich traten zwei Halluzinations-Verstöße auf, konkret bei inhaltskritischen Aufgaben vom Typ Recherche beziehungsweise faktengebundene Tool-Auswertung. In beiden Fällen generierte das Modell Inhalte, die nicht aus dem abgerufenen Tool-Ergebnis stammten, sondern hinzu erfunden wurden. Das System kappte den Score per Halluzinations-Cap. Das ist keine stilistische Schwäche und kein kleiner Lesefehler. Für content-kritische Workflows ist so etwas disqualifizierend.

Gerade bei einem agentischen Modell wiegt das schwer. Wer Werkzeuge nutzt, muss deren Output mit eiserner Disziplin behandeln. Sonst wird aus Tool-Use nur Theaterschminke für Halluzinationen. Mistral Medium 3.5 ist im operativen Ablauf stark, aber nicht in jedem Moment demütig genug vor der Quelle. Für DevOps, CLI-Hilfe und strukturierte Technikdialoge ist das oft egal. Für Recherche, Berichte und jede Form von beweisgebundener Synthese ist es ein Warnsignal.

Der ToolUse-Score von 59,17% bringt genau diese Ambivalenz auf den Punkt. Das Modell kann Werkzeuge einbinden. Es ist nur nicht durchgehend vertrauenswürdig darin, sich von ihnen begrenzen zu lassen.

Reasoning und Logik: korrekt, aber mit Schleifen im Kopf

Im Bereich Logical Reasoning erzielt Mistral Medium 3.5 69,57%. Das ist ordentlich, aber für ein Frontier-Modell dieser Größenordnung nicht überragend. Das qualitative Protokoll zum Wächter-Rätsel ist lehrreich: Die Lösung stimmt. Die Logik ist korrekt. Nur der Weg dorthin ist unnötig lang, repetitiv und didaktisch unerquicklich.

Das ist ein klassischer Unterschied zwischen „recht haben“ und „gut erklären“. Mistral Medium 3.5 kommt ans Ziel, aber es mäandert. Es wiederholt dieselbe Einsicht in leicht veränderter Form, statt den tragenden Mechanismus einmal präzise zu benennen. Der Goldstandard spricht die Doppel-Inversion klar aus und belegt sie strukturiert. Mistral Medium 3.5 umkreist dieselbe Idee, als traue es der eigenen Pointe nicht.

Für die Einordnung ist das wichtig. Als Instruct-Modell darf man Kürze und Direktheit erwarten. Wenn es dann in Logikaufgaben ausgerechnet weitschweifig wird, zeigt das keine tiefere Denkleistung, sondern fehlende editorische Selbstkontrolle. Sichtbare Reasoning-Tokens gibt es keine. Das deutet auf internes Schlussfolgern hin. Das Ergebnis davon ist hier solide, aber nicht elegant.

Metakognitions-Compliance (Reasoning): Das Modell verweigert in 3/5 metacog-Tests die Nutzung der explizit angeforderten <thought>-Tags mit einer konsistenten Policy-Aussage. Die Reasoning-Inhalte sind dabei inhaltlich teilweise korrekt — der Score-Abzug resultiert aus der Format-Verweigerung, nicht aus Denkfehlern. Zum Vergleich: In den Tag-freien reasoning_5*-Tests erzielt das Modell einen Durchschnittsscore von ca. 69,6%, was dem Niveau anderer Modelle entspricht. CrucibleMark bewertet bewusst die native Zero-Shot-Instruktions-Compliance als reales Alltagsmerkmal — dieser Abzug ist methodisch gewollt.

Diese Passage ist keine Formalie. Wer agentische Ketten baut, lebt von Format-Compliance. Wenn ein Modell explizite Markup-Vorgaben wiederholt aus Policy-Gründen aushebelt, ist das im Alltag ein Integrationsproblem. Nicht philosophisch interessant, sondern praktisch lästig.

UX Writing, Content Transformation und Sprache: professionell, aber nicht immer mit letzter Raffinesse

Bei UX Writing steht Mistral Medium 3.5 bei 76,59%. Das passt zum Gesamtcharakter. Das Modell formuliert klar, sauber und ohne künstliches Pathos. Es ist nicht das Modell, das aus Mikrotext große Literatur macht. Aber es schreibt verständlich, zielorientiert und mit gutem Gefühl für Vorgaben. Die Instruct-DNA zahlt sich hier aus.

Auch im Bereich Content Transformation mit 76,88% liefert es gute Arbeit. Das Protokoll zur deutschen YouTube-Skript-Aufgabe zeigt ein Modell, das Formatregeln ernst nimmt, deutsch bleibt, Produktionshinweise sauber einbettet und ein vollständiges, brauchbares Skript erstellt. Es versteht die Form der Aufgabe. Das ist die halbe Miete.

Die andere Hälfte ist Feinschliff. Der Judge moniert zu Recht das fehlende Pattern Interrupt im Mittelteil, ein eher dekoratives statt interaktives Easter Egg und eine insgesamt zu knappe Laufzeit. Das Ergebnis wäre in der Praxis brauchbar, aber nicht maximal optimiert auf Retention und Community-Engagement. Anders gesagt: Mistral Medium 3.5 baut ein solides Video-Skript, aber nicht das Skript eines Menschen, der YouTube-Mechaniken im Blut hat.

Im Cultural-Intelligence-Modul mit 75,32% wirkt das Modell angenehm nüchtern. Die inklusive Überarbeitung der toxischen Stellenanzeige gelingt sehr gut. Problematische Sprache wird entfernt, Gender-Bias sauber neutralisiert, und der Text bleibt professionell lesbar. Der einzige kleine Makel ist stilistischer Natur. Dem Output fehlt etwas rhetorische Energie. Das ist kein echter Fehler, eher Temperamentssache. Wer provokante Rohfassungen in anständige Geschäftssprache überführen will, bekommt hier ein verlässliches Werkzeug.

Documentation Quality: der eigentliche Schwachpunkt

Mit 67,07% fällt Documentation Quality sichtbar gegenüber den stärkeren Modulen ab. Das passt zur Beobachtung aus Code und Reasoning: Mistral Medium 3.5 kann strukturieren, aber nicht immer ausreichend vertiefen. Gute Dokumentation verlangt mehr als richtige Punkte in richtiger Reihenfolge. Sie verlangt Kontext, Priorisierung, Anschlussfähigkeit und die Fähigkeit, komplizierte Dinge nicht nur korrekt, sondern lehrbar zu machen.

Genau dort verliert das Modell Boden. Es erklärt oft brauchbar, aber zu knapp oder zu linear. Wo ein sehr gutes Dokumentationsmodell Alternativen, Fallstricke und implizite Annahmen offenlegt, bleibt Mistral Medium 3.5 funktional. Das reicht für interne Notizen, schnelle Entwürfe und technische Erstfassungen. Für Dokumentation mit Schulungswert braucht es Überarbeitung.

Halluzinationen: kein kosmetischer Makel, sondern Vertrauensfrage

Die Halluzinationen im Tool-Kontext verdienen einen eigenen Abschnitt, weil sie das Charakterbild des Modells schärfen. Mistral Medium 3.5 halluziniert nicht flächendeckend und wirkt insgesamt nicht fabulös. Gerade deshalb sind die zwei dokumentierten Fälle relevant. Sie zeigen kein dauerhaft loses Verhältnis zur Wahrheit, sondern ein punktuelles Überschreiten der Quellengrenze genau dort, wo man es am wenigsten brauchen kann.

Das ist die unangenehme Sorte Fehler. Nicht laut, nicht absurd, sondern plausibel genug, um durchzurutschen. Für Entwickler, die das Modell als schnellen Operator im DevOps- oder Shell-Kontext einsetzen, bleibt das Risiko beherrschbar. Für Faktenarbeit mit Tool-Output als Primärquelle gilt: Vertrauen nur mit Geländer.

Datenschutz und Datenhoheit

Hier spielt Mistral Medium 3.5 einen Vorteil aus, der in europäischen Unternehmen nicht bloß hübsch klingt, sondern Beschaffungsrealität ist. Der Anbieter Mistral AI SAS sitzt in Paris, Frankreich, das anwendbare Recht ist EU (GDPR), der angegebene Datenstandort liegt in der EU, und ein GDPR DPA ist verfügbar. Für deutsche und europäische Unternehmen ist das deutlich günstiger als bei US-Anbietern, weil nach der aktuellen Anbieterstruktur kein CLOUD-Act-Bezug besteht.

Die reguläre API arbeitet laut Vendor Card mit 30 Tagen Datenspeicherung. Das ist kein Null-Risiko, aber transparent und im Enterprise-Kontext handhabbar. Wichtig ist auch das berechnete Sovereign Risk: LOW. Zusammen mit dem Weights-Provenienz-Risiko LOW ergibt sich ein insgesamt sauberes Souveränitätsprofil. Wer europäische Datenhoheit nicht als Marketing-Slide, sondern als Beschaffungskriterium versteht, findet hier eine selten gewordene Kombination aus Leistungsfähigkeit und rechtlicher Erdung.

Fazit

Mistral Medium 3.5 ist ein schnelles, diszipliniertes und erstaunlich arbeitsnahes Frontier-Modell. Seine Stärken liegen in direkter Aufgabenbearbeitung, CLI-naher Technikassistenz, sauberer Sprachführung und einer wohltuend sparsamen Token-Ökonomie. Als Generalist liefert es eine breite, brauchbare Gesamtleistung. Als Instruct-Modell folgt es Anweisungen meist sauber. Als agentisch angehauchter Kandidat überzeugt es in Struktur und operativer Nützlichkeit mehr als in theoretischer Eleganz. Und als multimodales Modell bleibt es in diesem Text-Benchmark zwangsläufig nur teilweise sichtbar.

Die Schwächen sind klar umrissen: Documentation Quality bleibt hinter dem Frontier-Anspruch zurück, Security-Bewertungen sind mitunter zu zahm, und im Tool-Use-Kontext ist die Halluzinationsresistenz nicht stark genug für blindes Vertrauen. Das Modell ist damit kein Universalgenie, aber ein ernstzunehmendes Arbeitsinstrument mit erkennbarem Profil. Wer schnelle, saubere technische Assistenz aus einer europäischen Hersteller-Cloud sucht, bekommt hier viel Substanz. Wer quellengebundene Faktenarbeit oder sicherheitskritische Priorisierung automatisieren will, sollte Mistral Medium 3.5 nicht allein im Raum lassen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.