Mistral Medium 3.5
Mistral Medium 3.5 ist Mistral AIs aktuelles Open-Weights-Frontier-Modell aus Frankreich – optimiert für agentische Workflows und Coding-Aufgaben. Als Open Weights (Modified MIT) lokal betreibbar und über die Mistral-API verfügbar. Kontext: 256k. Multimodal.
- Open Weights
- Server
- API
- General
- Instruct
- Agentic
- 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
- 73.83
- Routine
- 46.43
- Reasoning
- 27.39
- LLM Judge Avg
- 3.63 / 5
- 100% Coverage
- Avg Task Duration
- 8.71s
- Real-Time
- Token Rate
- 139.95tok/s
- Output Rate
- P95 Latency
- 20.65s
- Top 5 %
- Total Tokens
- 51.8K
- Output Volume
- Cost per 1K
- $0.0075
- USD / 1K Requests
- Benchmark Cost
- $0.39
- Total · 51.8K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Mistral Medium 3.5
Bestes Modell
Ø Alle Modelle
Code Quality
79.6
CLI Benchmark
87.22
Logical Reasoning
65.87
UX Writing
66.75
Documentation
67.53
Content Transform.
75.5
Cultural Intelligence
81
Benchmark Cost
$0.39
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.