Codestral
Codestral ist Mistral AIs spezialisiertes Modell für Code-Vervollständigung, Debugging und Code-Erklärungen. Es wurde auf viele Programmiersprachen trainiert und ist sowohl lokal als auch über die Mistral-API nutzbar. Die Card weist es als starkes, klar coding-fokussiertes Modell mit restriktiver Lizenz aus.
- Restricted Weights
- Desktop
- API
- Coder
- Real-Time
Sovereign Risk: LOW Mistral AI ist ein französisches Unternehmen mit Sitz in der EU und unterliegt keiner staatlichen Zugriffspflicht auf Modellgewichte wie dem US CLOUD Act oder dem chinesischen NSL.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 68.43
- Routine
- 42.32
- Reasoning
- 26.12
- LLM Judge Avg
- 3.36 / 5
- 100% Coverage
- Avg Task Duration
- 4.23s
- Real-Time
- Token Rate
- 171.74tok/s
- Output Rate
- P95 Latency
- 9.88s
- Top 5 %
- Total Tokens
- 43.9K
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 43.9K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Codestral
Bestes Modell
Ø Alle Modelle
Code Quality
68.5
CLI Benchmark
87.22
Logical Reasoning
63.51
UX Writing
63.35
Documentation
64.43
Content Transform.
64.82
Cultural Intelligence
76
Benchmark Cost
$0
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.