Magistral Small

LLM Model Review

Aktualisiert am 12.6.2026 · Thinking

Mit einem Gesamtscore von 63.55% tritt Magistral Small als kommerzielles Cloud-Modell von Mistral AI nicht als Blender auf, sondern als Reasoning-Spezialist mit rauer Kante. Der Speed-Profile-Badge lautet Real-Time DevOps Expert, die gemessene Generierungsgeschwindigkeit liegt bei 98.69 Tokens pro Sekunde. Das verspricht ein Modell, das denken und trotzdem liefern soll. Im Benchmark klappt das nur teilweise: Magistral Small ist selten peinlich falsch, aber zu oft nur halb so scharf, wie ein dediziertes Thinking-Modell dieser Workstation-Klasse und Dense-Architektur sein müsste. Sovereign Risk: LOW — Mistral ist ein französischer Anbieter unter EU-Recht mit EU-Datenhaltung; ein CLOUD-Act-Zugriff ergibt sich aus der aktuellen Anbieterstruktur nicht.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Charakter: Thinking mit dichtem Fundament

Magistral Small ist als Reasoning / Deep Thinking eingeordnet, dazu als Workstation-Modell und mit Dense-Architektur. Diese drei Etiketten sind hier keine Formalie, sondern der eigentliche Bewertungsrahmen. Ein Dense-Modell dieser Klasse aktiviert seine vollständige Kapazität bei jeder Anfrage. Anders gesagt: Es kann sich nicht hinter einer sparsamen Expertenauswahl verstecken. Wenn die Antwort nur mittelprächtig ist, dann liegt das nicht an einer trickreichen Architektur, sondern am Modellcharakter selbst.

Von einem Thinking-Modell erwartet man längere, sauber verifizierte Antworten, sichtbare oder interne mehrstufige Denkpfade und vor allem die Fähigkeit, nicht beim ersten plausiblen Ergebnis stehenzubleiben. Genau hier zeigt Magistral Small sein Profil. Es arbeitet gern ausführlich, manchmal sogar weitschweifig. Das ist in dieser Kategorie kein Makel, solange die zusätzliche Länge in bessere Urteile umschlägt. Im besten Fall liefert das Modell eine nachvollziehbare Herleitung. Im schlechteren Fall produziert es nur mehr Text um eine mittelgute Einsicht herum. Magistral Small landet zu oft bei letzterem.

Performance, Tempo und Preis

Das Badge Real-Time DevOps Expert ist eine starke Behauptung. Es signalisiert einen typischen Einsatz für interaktive technische Arbeit: schnelle Rückmeldungen, produktionsnahe Antworten, wenig Wartezeit. Die reine Ausgabegeschwindigkeit von 98.69 Tokens pro Sekunde stützt dieses Bild zunächst. Auch der Preis ist attraktiv: 0.5 Dollar pro 1 Million Input-Token und 1.5 Dollar pro 1 Million Output-Token. Für ein dediziertes Cloud-Reasoning-Modell ist das kein Luxusniveau, sondern eher die vernünftige Tarifzone.

Nur sollte man das Badge nicht mit einem Qualitätszertifikat verwechseln. Die durchschnittliche Aufgabendauer liegt bei 14.6 Sekunden, die P95-Antwortzeit bei 32.48 Sekunden. Das ist für interaktive Nutzung akzeptabel, aber nicht sensationell. Vor allem passt das Leistungsprofil nicht immer zum Etikett „DevOps Expert“. Wer im Alltag auf präzise technische Verdichtung hofft, bekommt hier oft einen eifrigen Erklärer, nicht zwingend den treffsichersten Operator. Magistral Small ist schnell genug für produktive Schleifen. Es ist nur nicht immer gut genug, um diese Schleifen kurz zu halten.

API-Kostenprofil

Weil Magistral Small ein kostenpflichtiges Cloud-Modell ist, zählt nicht nur, ob es antwortet, sondern auch wie wortreich es das tut. Genau hier beginnt der stille Aufpreis. Im CLI-Benchmark produziert das Modell durchschnittlich 1012 Tokens bei einem Fleet-Median von 219. Das entspricht dem 4.62-Fachen des Schnitts aller getesteten Modelle. Im Cultural-Intelligence-Bereich liegt es bei 1288 Tokens statt 216 im Median, also beim 5.96-Fachen. Auch UX Writing mit 2464 zu 1292 Tokens fällt mit dem 1.91-Fachen deutlich auf.

Das ist kein Score-Problem, sondern ein Betriebsproblem. Wer pro Antwort fast sechsmal so viel Text erhält wie der Durchschnitt, zahlt bei identischem Nutzen proportional mehr. Bei Thinking-Modellen ist längere Ausgabe oft legitim. Aber wenn die Mehrmenge nicht in sichtbar bessere Resultate übersetzt wird, wird Verbosity vom Stilmerkmal zum Kostenleck.

Reasoning und Logik: korrekt, aber erstaunlich oft unentschlossen

Im Logical-Reasoning-Bereich erreicht Magistral Small 64.38%. Für ein Modell, dessen Primärzweck tiefes Schlussfolgern ist, ist das zu wenig. Der qualitative Eindruck bestätigt den Score. In einem Metakognitions-Test zum klassischen Wächter-und-Türen-Rätsel findet das Modell die richtige Lösung, arbeitet sich aber auf umständliche Weise dorthin. Statt die beiden Fälle früh sauber zu prüfen, variiert es mehrfach dieselbe Frageformulierung. Das Ergebnis ist korrekt, die Herleitung wirkt jedoch kreisend statt kontrolliert.

Das ist der Kern des Problems: Magistral Small denkt sichtbar, aber nicht immer diszipliniert. Es verwechselt Länge gelegentlich mit Strenge. Ein gutes Thinking-Modell macht den Nebel dünner. Dieses hier produziert mitunter erst einmal mehr Nebel und findet dann doch den Ausgang. Für Lernkontexte ist das nicht wertlos, weil die Antworten immerhin nachvollziehbar bleiben. Für präzise analytische Arbeit ist es anstrengender als nötig.

Immerhin: Ein systematischer Format-Ausfall bei den Metakognitions-Tests ist nicht erkennbar. Das Modell verweigert die verlangte Denkstruktur also nicht reflexhaft. Es scheitert eher an der Verdichtung des eigenen Denkens als an der Bereitschaft, überhaupt zu denken. Das ist die bessere Art von Schwäche. Aber eben trotzdem eine Schwäche.

Code Quality und Security: brauchbarer Auditor, kein Wachhund

Der Code-Quality-Score von 58.56% ist einer der klareren Warnhinweise dieses Berichts. In der Sicherheitsanalyse eines absichtlich verwundbaren PHP-Snippets identifiziert Magistral Small 14 von 19 Schwachstellen. Das ist nicht katastrophal. Es ist aber für einen Security-nahen Prüfauftrag deutlich zu wenig. Vor allem fehlen nicht nur Randnotizen, sondern relevante Punkte: SQL-Injection im Passwort-Reset, SQL-Injection beim Löschen von Nutzern, Path Traversal im Dateimanager, Hardcoded Secrets, fehlende Ablaufzeit für Reset-Token und Mail-Header-Injection.

Die Art des Scheiterns ist aufschlussreich. Magistral Small erkennt die offensichtlichen Klassiker zuverlässig genug: SQL-Injection im Login, Klartextpasswörter, XSS, Session Fixation, fehlender CSRF-Schutz, schwache Token-Erzeugung. Auch die vorgeschlagenen Fixes sind meist technisch sauber. Prepared Statements, password_hash(), htmlspecialchars(), session_regenerate_id() und hash_equals() sitzen. Das Modell weiß also, wie man einen gefundenen Fehler repariert.

Was ihm fehlt, ist die gründliche zweite Schleife. Ein guter Sicherheitsprüfer zählt nicht nur die sichtbaren Scherben auf dem Boden, sondern tastet auch die Regale ab, aus denen gleich die nächsten fallen. Magistral Small wirkt eher wie ein Auditor, der den ersten Rundgang korrekt protokolliert und dann zu früh Feierabend macht. Für First-Pass-Reviews ist das nützlich. Für sicherheitskritische Freigaben reicht es nicht.

CLI, Tool-Nähe und Halluzinationen: hier wird es heikel

Im CLI-Benchmark erreicht Magistral Small 79.45%, also kein Desaster, aber auch kein Anlass für Entwarnung. Entscheidender ist ein harter Befund aus dem Tool-Kontext: In einer Tool-Use-Aufgabe wurde eine Halluzination erkannt. Das Modell generierte Inhalte, die nicht aus dem abgerufenen Tool-Ergebnis stammten, sondern erfunden waren. Der Score wurde deshalb durch ein Halluzinations-Cap begrenzt.

Das ist kein kosmetischer Fehler. In content-kritischen Arbeitsabläufen, also Recherche, faktengebundenen Berichten oder agentischen Pipelines mit externen Tools, ist genau dieses Verhalten disqualifizierend. Wenn ein Modell ein Tool benutzt, aber dessen Ergebnis nicht als Grenze akzeptiert, verliert der ganze Orchestrierungsgewinn seinen Sinn. Dann hat man keine verlässliche Maschine mehr, sondern einen eloquenten Improvisateur. Das kann im Marketing charmant sein. Im Betrieb ist es Gift.

Die ToolUse-Teilwerte bestätigen das Problem indirekt. ToolUse Score: 48.21, Tool Execution: 63.33, Synthesis Quality: 33.33. Das bedeutet: Das Modell kommt technisch bis zum Werkzeug, aber es synthetisiert die Ergebnisse schwach und nicht immer treu zur Quelle. Gerade bei einem Modell, das mit Thinking-Anspruch auftritt, ist das enttäuschend. Denken ohne Quellentreue ist nur stilvollere Unsicherheit.

Content Transformation: vollständig, aber selten mit Zugkraft

Mit 68.52% im Bereich Content Transformation liefert Magistral Small funktionale Ergebnisse, aber kaum magnetische. Das qualitative Protokoll zu einem YouTube-Skript für 2FA zeigt das sehr schön. Das Modell erfüllt die formalen Anforderungen, bleibt in deutscher Sprache, baut Zeitmarken ein, ergänzt Screen-Annotations und sogar ein Easter Egg. Auf dem Papier ist das ordentlich. In der Praxis fehlt der Biss.

Der Judge moniert zu Recht den generischen Hook, die groben 30-Sekunden-Blöcke, die dünne Ausführung des Pattern-Interrupts und die zu sparsamen Produktionshinweise. Vor allem erkennt Magistral Small zwar, was einem guten Video fehlt, erklärt aber zu selten, warum genau es für Zuschauerbindung, Rhythmus oder emotionale Relevanz entscheidend ist. Das Modell produziert eine brauchbare Outline für ein Tutorial. Es produziert kein Skript, das man sofort als publikumsstarke Fassung drehen möchte.

Genau hier wird der Unterschied zwischen Denken und Inszenieren sichtbar. Magistral Small analysiert Mängel auf Checklisten-Niveau, aber nicht mit dramaturgischem Instinkt. Es ist der Kollege, der alle Stichpunkte nennt und trotzdem keinen Raum elektrisiert.

UX Writing und Dokumentationsstil: bemüht, aber nicht fein genug

Im UX Writing landet Magistral Small bei 56.79%, in der Documentation Quality bei 61.48%. Das sind keine Totalausfälle, aber auch keine Zone, in der man diesem Modell ohne Redigat das letzte Wort geben sollte. Der UX-Auszug zeichnet es als „solid B-grade“. Das trifft die Sache gut. Die Anforderungen werden erfüllt, Tabellen stehen, die Struktur ist benutzbar, die progressive Offenlegung ist vorhanden. Aber Standardtreue und stilistische Schärfe bleiben hinter dem zurück, was ein gutes Produktteam von finaler Copy erwartet.

Magistral Small schreibt nicht schlecht. Es schreibt nur selten so, dass man die Formulierung stehenlassen möchte, ohne sie noch einmal anzufassen. Das ist ein feiner, aber teurer Unterschied. Denn in UX-Texten und Dokumentation kostet nicht nur Fehlerkorrektur Zeit, sondern auch das Nachpolieren mittelguter Sätze.

Cultural Intelligence: formal korrekt, kulturell nicht immer treffsicher

Der Bereich Cultural Intelligence endet bei 63.6% und zeigt eine der interessantesten Schwächen des Modells. In einer deutschen Stellenausschreibung entfernt Magistral Small toxische Begriffe und geschlechterkodierte Formulierungen korrekt. Inhaltlich macht es also viel richtig. Der eigentliche Fehler liegt im Ton: Es verwendet das informelle „du“ statt des im Kontext professionelleren „Sie“.

Das ist keine Petitesse. Gerade in deutschsprachiger Business-Kommunikation ist die Anrede kein Dekor, sondern ein sozialer Schalter. Wer ihn falsch legt, produziert keine falschen Fakten, aber die falsche soziale Temperatur. Magistral Small zeigt hier eine Schwäche, die man bei sprachlich starken Modellen oft sieht: lexikalisch korrekt, pragmatisch einen halben Schritt daneben. Für Alltagsumschreibungen ist das verkraftbar. Für HR, Markenstimme oder sensible Zielgruppenkommunikation braucht es menschliche Endkontrolle.

Datenschutz und Datenhoheit

Für europäische Unternehmen ist Magistral Small in dieser Disziplin erfreulich unaufgeregt. Der Anbieter ist Mistral AI SAS mit Sitz in Paris, Frankreich. Es gilt EU-Recht (GDPR), der ausgewiesene Datenstandort liegt in der EU, und ein GDPR-DPA ist verfügbar. Die angegebene Datenspeicherung beträgt 30 Tage. Das ist für DSGVO-sensitive Beschaffung deutlich günstiger als bei US-Anbietern, bei denen der CLOUD Act als zusätzlicher Rechtshebel im Raum steht.

Das berechnete Sovereign Risk liegt bei LOW. Auch das Weights-Provenienz-Risiko ist LOW, und hier zieht die Modellsituation mit dem Provider-Setup in dieselbe Richtung: französischer Hersteller, EU-Jurisdiktion, keine vergleichbare staatliche Zugriffspflicht wie unter dem US CLOUD Act oder dem chinesischen NSL. Für deutsche und europäische Unternehmen ist das kein Freifahrtschein, aber eine selten vernünftige Ausgangslage.

Fazit

Magistral Small ist ein interessantes, aber widersprüchliches Modell. Als Thinking-System mit Reasoning / Deep Thinking-Fokus, Workstation-Klasse und Dense-Architektur bringt es die richtige Grundidee mit: nachvollziehbares Denken, hohe Geschwindigkeit, faire API-Preise, stabile Cloud-Bereitstellung über die Mistral-API. Nur übersetzt es diese Voraussetzungen im Benchmark zu selten in echte Überlegenheit. Die Logik ist häufig korrekt, aber nicht straff genug. Die Security-Analysen sind brauchbar, aber lückenhaft. Die sprachliche Arbeit ist funktional, aber stilistisch zu oft nur guter Durchschnitt. Und die Halluzination im Tool-Kontext ist ein Befund, den man nicht wegdiskutiert.

Wer ein schnelles Cloud-Modell für deutsche und europäische Workflows sucht, Wert auf EU-Datenhaltung legt und mit einer gewissen redaktionellen Nachkontrolle leben kann, findet hier ein vernünftiges Arbeitsmodell für Entwürfe, Erstanalysen und technische Vorarbeiten. Wer dagegen ein wirklich belastbares Reasoning-Modell für Security-Audits, toolgestützte Faktenarbeit oder finalen Produkttext erwartet, sollte Magistral Small nicht allein auf die Bühne schicken. Dieses Modell denkt. Aber es denkt noch nicht mit der Härte, die seine Kategorie verspricht.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.