Mistral 3 Large
Mistral 3 Large ist das offene Frontier-Modell aus Mistral AIs dritter Generation mit nativem Text- und Bildeingang und einem Kontextfenster von 256.000 Tokens. Die Sparse-MoE-Architektur vereint 675 Milliarden Gesamtparameter mit 41 Milliarden aktiven Parametern pro Token. Unter Apache-2.0-Lizenz verfügbar, aus einem europäischen Anbieter-Umfeld mit DSGVO-Konformität.
- Open Weights
- Frontier
- API
- Text
- Vision
- Long Context
- Real-Time
Sovereign Risk: LOW Mistral AI ist ein französisches Unternehmen und veröffentlicht die Gewichte dieses Modells offen unter Apache 2.0. Damit besteht kein proprietärer Gewichts-Lock-in und die rechtliche Einordnung bleibt im EU-Kontext.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 75.24
- Routine
- 46.07
- Reasoning
- 29.18
- LLM Judge Avg
- 3.76 / 5
- 100 Coverage
- Avg Task Duration
- 19.08s
- Real-Time
- Token Rate
- 56.26tok/s
- Output Rate
- P95 Latency
- 51.34s
- Top 5 %
- Total Tokens
- 62000
- Output Volume
- Cost per 1K
- $0.006
- USD / 1K Requests
- Benchmark Cost
- $0.37
- Total · 62000 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Mistral 3 Large
Bestes Modell
Ø Alle Modelle
Code Quality
80.04
CLI Benchmark
76.33
Logical Reasoning
75.46
UX Writing
75.53
Documentation
68.64
Content Transform.
75.93
Cultural Intelligence
75.32
Synthesis Quality
30
Tool Execution
90
ToolUse Score
59.71
Benchmark Cost
$0.37
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.