Mistral Large 3
Mistral Large 3 ist Mistral AIs großes Modell für komplexes Reasoning, Analyse und mehrsprachige Aufgaben. Die Modellgewichte sind unter der Mistral Research License verfügbar (nur für nicht-kommerzielle Research-Zwecke). Für kommerzielle Nutzung ist die Mistral-API vorgesehen. Das Modell richtet sich an produktive, anspruchsvolle Generalist-Workloads.
- Restricted Weights
- Frontier
- API
- General
- Instruct
- Interactive
Sovereign Risk: LOW Mistral AI ist ein französisches Unternehmen mit Sitz in der EU und unterliegt keiner staatlichen Zugriffspflicht auf Modellgewichte vergleichbar dem chinesischen NSL oder dem US CLOUD Act für Weights.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 75.08
- Routine
- 47
- Reasoning
- 28.08
- LLM Judge Avg
- 3.7 / 5
- 100% Coverage
- Avg Task Duration
- 36.03s
- ️ Interactive
- Token Rate
- 42.07tok/s
- Output Rate
- P95 Latency
- 86.53s
- Top 5 %
- Total Tokens
- 64.1K
- Output Volume
- Cost per 1K
- $0.006
- USD / 1K Requests
- Benchmark Cost
- $0.38
- Total · 64.1K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Mistral Large 3
Bestes Modell
Ø Alle Modelle
Code Quality
78.8
CLI Benchmark
82.78
Logical Reasoning
70.25
UX Writing
71.95
Documentation
73
Content Transform.
73.32
Cultural Intelligence
79.3
Benchmark Cost
$0.38
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.