Mistral Small 3.1
Mistral Small 3.1 ist Mistrals offenes 24B-Instruct-Modell vom März 2025 mit multimodalen Text-/Bildeingaben, 128K Kontext und Apache-2.0-Lizenz. Offiziell hervorgehoben werden Vision-Verständnis, Function Calling und lokales Deployment bis hin zu kompakten Setups; die Karte bleibt damit klar als open-weights und workstationtauglich einzuordnen. Gegenüber neueren Small-4-Modellen ist es funktional älter, aber weiterhin eine starke offene Allround-Option.
- Open Weights
- Workstation
- API
- General
- Vision-Capable
- Instruct
- Long-Context
- Real-Time
Sovereign Risk: LOW Mistral AI ist ein französischer Anbieter und veröffentlicht die Gewichte unter Apache 2.0. Das Modell ist offen dokumentiert und lokal deploybar, wodurch das Souveränitätsrisiko niedrig bleibt.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 72.34
- Routine
- 45.03
- Reasoning
- 27.31
- LLM Judge Avg
- 3.64 / 5
- 100% Coverage
- Avg Task Duration
- 5.59s
- Real-Time
- Token Rate
- 167.94tok/s
- Output Rate
- P95 Latency
- 14.63s
- Top 5 %
- Total Tokens
- 54.1K
- Output Volume
- Cost per 1K
- $0.0003
- USD / 1K Requests
- Benchmark Cost
- $0.02
- Total · 54.1K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
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.