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
mistral16. Oktober 2024 · Q001078

Un Ministral, des Ministraux

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral stellt Ministral 3B und 8B als effiziente Modelle für lokale Nutzung und Agentenabläufe vor und behauptet, sie schnitten in mehreren Benchmarks besser ab als Vergleichsmodelle. Die genannten Leistungsabstände sind im bereitgestellten Text nicht überprüfbar, weil die Messwerte nur in nicht auslesbaren Abbildungen erscheinen.

Mittel

Mistral AI stellt Ministral 3B und 8B als kompakte Modelle für lokale Nutzung und Anwendungen am Netzwerkrand vor. Laut Unternehmen verbinden sie Effizienz mit Fähigkeiten in Wissen, Schlussfolgern und Funktionsaufrufen. Beide unterstützen Kontexte bis 128.000 Tokens; bei vLLM seien derzeit 32.000 möglich. Für Ministral 8B nennt Mistral zusätzlich eine Aufmerksamkeitsmethode, die Inferenz beschleunigen und Speicher sparen soll.

Als Einsatzfelder führt der Bericht lokale Übersetzung, Offline-Assistenten, Analysen und Robotik an. Die Modelle könnten außerdem als Vermittler für API-Aufrufe in mehrstufigen Arbeitsabläufen mit größeren Modellen dienen. Mistral behauptet, sie überträfen Vergleichsmodelle in mehreren Aufgaben und Ministral 3B sei in den meisten Benchmarks besser als Mistral 7B. Zwar verweist der Bericht auf interne Vergleiche mit Modellen von Gemma, Llama und Mistral, doch die Abbildungen mit den Messwerten sind im Text nicht auslesbar; die Leistungsbehauptungen lassen sich daher hier nicht nachprüfen.

Die genannten API-Preise betragen 0,10 US-Dollar je Million Tokens für Ministral 8B und 0,04 US-Dollar für 3B. Die Gewichte von 8B Instruct seien für Forschung verfügbar; Cloud-Partner sollten die Modelle später anbieten.

Ausführlich lesen

Der Bericht stellt Ministral 3B und Ministral 8B vor, zwei Sprachmodelle von Mistral AI für Geräte und Anwendungen am Netzwerkrand. Mistral beschreibt die Vorstellung als Teil des ersten Jahrestags von Mistral 7B und bezeichnet die neuen Modelle als besonders leistungsfähig in ihrer Größenklasse unter zehn Milliarden Parametern. Laut Unternehmen sollen sie Wissen, Alltagsverständnis, Schlussfolgern und Funktionsaufrufe mit effizientem Rechenaufwand verbinden. Beide unterstützen laut Bericht Kontextfenster bis zu 128.000 Tokens; für vLLM nennt der Text derzeit eine Grenze von 32.000. Ministral 8B verwendet außerdem ein verschachteltes Sliding-Window-Aufmerksamkeitsmuster, das laut Mistral Schlussfolgerungen beschleunigen und Speicher sparen soll.

Als Einsatzfelder nennt der Bericht lokale Übersetzung, Assistenten ohne Internetverbindung, Analysen auf dem Gerät und autonome Robotik. Die Modelle seien auf geringe Latenz und effizienten Rechenbedarf ausgelegt. Zusammen mit größeren Modellen wie Mistral Large könnten sie in mehrstufigen Agentenabläufen Aufgaben wie das Auswerten von Eingaben, Weiterleiten von Aufgaben und Aufrufen von APIs übernehmen.

Zur Leistung verweist Mistral auf interne Vergleichstests. Verglichen worden seien vortrainierte und instruktionsoptimierte Modelle unter anderem mit Gemma 2, Llama 3.x und Mistral 7B. Der Bericht behauptet, Ministral schneide bei mehreren Aufgaben durchgehend besser als vergleichbare Modelle ab und Ministral 3B übertreffe Mistral 7B in den meisten Benchmarks. Die eingefügten Abbildungen werden zwar betitelt, ihre Messwerte sind im bereitgestellten Text jedoch nicht wiedergegeben. Die Zahlen und die behaupteten Leistungsabstände lassen sich daher anhand dieses Textes nicht prüfen. Mistral erklärt, alle Modelle mit einem eigenen Verfahren für einen fairen Vergleich neu bewertet zu haben.

Beide Modelle seien zum Veröffentlichungszeitpunkt über die Mistral-API verfügbar gewesen. Angegeben werden 0,10 US-Dollar pro Million Ein- und Ausgabetokens für Ministral 8B und 0,04 US-Dollar für Ministral 3B. Für 8B nennt der Bericht eine kommerzielle und eine Forschungslizenz; für 3B eine kommerzielle Lizenz. Für selbst gehostete Nutzung sollen Interessierte wegen kommerzieller Lizenzen Mistral kontaktieren; das Unternehmen bietet außerdem Unterstützung bei verlustfreier Quantisierung an. Die Gewichte von Ministral 8B Instruct seien für Forschungszwecke verfügbar. Eine Bereitstellung durch Cloud-Partner werde erst für kurze Zeit später in Aussicht gestellt. Der Text liefert keine näheren Angaben zu den genauen Benchmarkwerten oder zu den Bedingungen der genannten Lizenzen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung bezieht sich auf die Zusammenfassung insgesamt, also auf die kurze und die mittlere Fassung zusammen. Beide sind sachlich korrekt, doch die Lizenzdetails fehlen. Die kurze Fassung nennt außerdem keine Preise und Einsatzfelder. Die Anteilsangaben (Prozente) aus Lunas Einordnung wurden nicht übernommen, weil die Bewertung nur auf dem Bericht beruht.

Im Bericht, aber nicht in der Zusammenfassung

  • Lizenzmodell: Ministral 8B hat kommerzielle und Forschungslizenz, Ministral 3B nur kommerzielle Lizenz; für Selbstbetrieb sind kommerzielle Lizenzen nötig
  • Angebot von Mistral zur verlustfreien Quantisierung für konkrete Anwendungsfälle

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
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
Tempo und Grenzen
Vertrauen in Modelle
  1. 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 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
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 49 %einzelne zitierbare Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 24 %nur am Rande erwähnt
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 41 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 41 %einzelne zitierbare Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Wirtschaft und Haftung

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 →