Mistral Small 4
Mistral Small 4 ist Mistral AIs kompaktes Open-Weights-Modell für allgemeine und agentische Aufgaben. Es verbindet lokale Nutzbarkeit mit einer Apache-2.0-Lizenz und richtet sich an produktive Standardanwendungen, bei denen Effizienz und gute Instruktionsqualität wichtiger sind als maximale Modellgröße.
- Open Weights
- Workstation
- API
- General
- Instruct
- Real-Time
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.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 74.04
- Routine
- 46.78
- Reasoning
- 27.26
- LLM Judge Avg
- 3.63 / 5
- 100% Coverage
- Avg Task Duration
- 5.92s
- Real-Time
- Token Rate
- 182.02tok/s
- Output Rate
- P95 Latency
- 15.67s
- Top 5 %
- Total Tokens
- 56.0K
- Output Volume
- Cost per 1K
- $0.0003
- USD / 1K Requests
- Benchmark Cost
- $0.02
- Total · 56.0K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Mistral Small 4
Bestes Modell
Ø Alle Modelle
Code Quality
77.5
CLI Benchmark
85.22
Logical Reasoning
63.83
UX Writing
69.25
Documentation
74.13
Content Transform.
74.63
Cultural Intelligence
79.3
Benchmark Cost
$0.02
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.