Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral26. Februar 2024 · Q000683

Au Large | Mistral AI

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt Mistral Large als mehrsprachiges Flaggschiff mit 32.000 Tokens Kontext und Funktionen für strukturierte Ausgaben und Tool-Aufrufe vor; außerdem kündigt Mistral ein kostengünstigeres, latenzoptimiertes Modell namens Small an. Die Benchmark-Aussagen sind Unternehmensangaben, und konkrete Messwerte fehlen im übermittelten Text. Ein aktueller Hinweis erklärt, dass Mistral Large inzwischen abgelöst und nicht mehr gepflegt wird.

Mittel

Der Bericht kündigt Mistral Large als damaliges Flaggschiff für mehrsprachiges Textverständnis, Textumformung, Schlussfolgern und Code an. Mistral nennt Englisch, Französisch, Spanisch, Deutsch und Italienisch, ein Kontextfenster von 32.000 Tokens, präzise Anweisungsbefolgung und native Funktionsaufrufe als zentrale Fähigkeiten. Das Unternehmen behauptet, das Modell habe in verbreiteten Benchmarks den zweiten Platz unter allgemein per API verfügbaren Modellen erreicht. Es verweist auf Vergleiche in den Bereichen Wissen, Schlussfolgern, Sprachen, Mathematik und Programmierung; konkrete Messwerte sind im übermittelten Text nicht enthalten, da die Abbildungen hier nur referenziert werden.

Als Bezugswege werden la Plateforme, Azure und Selbstbereitstellung genannt. Zusätzlich stellt Mistral Small als kosten- und latenzoptimierte Zwischenlösung vor, die laut Unternehmen Mixtral 8x7B übertreffe. JSON-Ausgabe und Funktionsaufrufe waren zunächst für Small und Large vorgesehen. Die Leistungs- und Erfolgsangaben stammen von Mistral und werden im Text nicht unabhängig belegt. Ein aktueller Hinweis besagt, dass Large inzwischen nicht mehr gepflegt und durch neuere Modelle ersetzt worden sei.

Ausführlich lesen

Der Bericht ist eine Ankündigung von Mistral Large und Mistral Small. Ein vorangestellter Hinweis erklärt, dass Mistral Large inzwischen nicht mehr gepflegt und durch neuere, leistungsfähigere Modelle ersetzt worden sei; er verweist auf Mistral Large 4. Der übrige Artikel beschreibt die damalige Einführung von Mistral Large als neues Flaggschiffmodell und nennt seine damaligen Bezugswege und Fähigkeiten.

Mistral zufolge eignet sich Large für anspruchsvolle mehrsprachige Aufgaben wie Textverständnis, Textumformung und Codegenerierung. Das Unternehmen beschreibt das Modell als besonders leistungsfähig beim Schlussfolgern und behauptet, es habe in verbreiteten Benchmarks den zweiten Rang unter allgemein per API verfügbaren Modellen erreicht, hinter GPT‑4. Als Stärken nennt Mistral fließende Sprachverarbeitung auf Englisch, Französisch, Spanisch, Deutsch und Italienisch, ein Kontextfenster von 32.000 Tokens, präzise Befolgung von Anweisungen sowie native Unterstützung für Funktionsaufrufe. Zusammen mit einem Modus für eingeschränkte Ausgaben solle dies die Entwicklung von Anwendungen erleichtern. Mistral gibt außerdem an, das Modell zur systemweiten Moderation des Chatbots le Chat eingesetzt zu haben.

Der Artikel ordnet die Leistungsbehauptungen anhand von Vergleichen mit anderen Sprachmodellen ein. Genannt werden Benchmarks zu Allgemeinwissen, Schlussfolgern, Mehrsprachigkeit, Mathematik und Programmierung. Mistral zufolge übertrifft Large LLaMA 2 70B in bestimmten französischen, deutschen, spanischen und italienischen Aufgaben. Der Text verweist dafür auf vier Benchmark-Grafiken, enthält aber keine auslesbaren konkreten Messwerte. Die Rang- und Leistungsangaben lassen sich anhand des übermittelten Textes daher nicht unabhängig prüfen.

Zur Bereitstellung nennt Mistral die eigene Plattform la Plateforme, Azure AI Studio und Azure Machine Learning sowie eine Selbstbereitstellung mit Modellgewichten für sensible Anwendungsfälle. Microsoft wird als erster Vertriebspartner bezeichnet; Erfolge von Beta-Kunden werden behauptet, aber nicht näher belegt. Parallel kündigt Mistral Small als auf Kosten und geringe Latenz optimiertes Modell an. Laut Unternehmen übertreffe es Mixtral 8x7B und liege als Zwischenlösung zwischen den Modellen mit offenen Gewichten und dem Flaggschiff. Beide neuen Modelle sollten RAG-Funktionen und Funktionsaufrufe unterstützen.

Außerdem beschreibt der Bericht neue Endpunkte, darunter offene Modelle, Mistral Small und Mistral Large, während Mistral Medium unverändert bleiben sollte. JSON-Ausgabe und Funktionsaufrufe waren laut Text zunächst nur für Small und Large verfügbar; eine Ausweitung der Formatierungsfunktionen wurde für später angekündigt. Die Aussagen zu Leistung, Kosten, Latenz und Marktposition sind Unternehmensangaben aus der Produkteinführung. Der vorangestellte Hinweis auf die inzwischen erfolgte Ablösung begrenzt ihre Aktualität.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung liegt in zwei Fassungen vor; die mittlere ist im Wesentlichen treu und ohne erfundene Angaben, die kurze lässt mehrere Punkte aus. Die Stufen wurden unabhängig vom Bericht bestimmt, Lunas Anteilswerte (Prozent) habe ich nicht geprüft, da die Aufgabe sie nicht verlangt.

Im Bericht, aber nicht in der Zusammenfassung

  • Kurze Fassung: Bezugswege la Plateforme, Azure und Selbstbereitstellung fehlen
  • Kurze Fassung: Die Behauptung, Mistral Large sei das zweitplatzierte per API verfügbare Modell (nach GPT-4), fehlt
  • Kurze Fassung: Die Aussage, Mistral Small übertreffe Mixtral 8x7B bei geringerer Latenz, fehlt
  • Kurze Fassung: JSON-Ausgabe und Funktionsaufrufe waren zunächst nur für Small und Large vorgesehen, das fehlt
  • Mittlere Fassung: Azure als erster Vertriebspartner und die Beta-Kundenberichte werden nicht erwähnt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

    • SF-F1-T07 Wie sollten führende KI-Modelle über Sprachen und Kulturen hinweg geprüft und verbessert werden, damit ihr Sicherheitsverhalten nicht vom Englischen oder den Normen eines Landes abhängt? Luna: Stufe 4 · 46 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 28 %nur am Rande erwähnt
    • JEV 36 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 31 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 32 %nur am Rande erwähnt
    • amos 32 %nur am Rande erwähnt
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 26 %nur am Rande erwähnt
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 48 %nur am Rande erwähnt
    • amos 32 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 33 %nur am Rande erwähnt
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 63 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →