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
mistral17. April 2024 · Q001125

Cheaper, Better, Faster, Stronger

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral stellt Mixtral 8x22B als offenes Modell mit 39 Milliarden aktiven Parametern, fünf Sprachfähigkeiten, nativem Funktionsaufruf und 64.000 Tokens Kontext vor. Der Anbieter beansprucht Vorteile bei Effizienz, mehrsprachigen Benchmarks sowie Mathematik und Programmierung; der Text nennt einzelne Werte für die instruierte Version. Da Messdetails und auslesbare Diagrammwerte fehlen, sind die Vergleiche anhand des Berichts nicht unabhängig nachprüfbar.

Mittel

Das Mistral-Team kündigt Mixtral 8x22B als offenes, sparsames Mixture-of-Experts-Modell an. Von insgesamt 141 Milliarden Parametern seien jeweils 39 Milliarden aktiv. Das Modell unterstütze laut Ankündigung Englisch, Französisch, Italienisch, Deutsch und Spanisch, könne Funktionen nativ aufrufen und habe ein Kontextfenster von 64.000 Tokens. Mistral hebt außerdem Mathematik und Programmierung als Stärken hervor.

Veröffentlicht werde das Modell unter Apache 2.0; das Basismodell eigne sich demnach auch zum Fine-Tuning. Mistral behauptet, Mixtral 8x22B sei schneller als jedes dichte 70-Milliarden-Parameter-Modell und leistungsfähiger als andere offene Modelle. In Benchmarkvergleichen liege es laut Anbieter unter anderem in mehrsprachigen Aufgaben sowie bei Mathematik und Programmierung vorn. Für die instruierte Version werden 90,8 Prozent bei GSM8K maj@8 und 44,6 Prozent bei Math maj@4 angegeben.

Der Bericht beschreibt eine Herstellerankündigung. Obwohl er Benchmarks und Abbildungen nennt, liefert der Text keine vollständigen Messwerte oder näheren Angaben zum Versuchsaufbau; die Vergleiche sind daher hier nicht unabhängig überprüfbar.

Ausführlich lesen

Der Bericht ist eine Ankündigung des Mistral-Teams zu Mixtral 8x22B, einem neuen offenen Sprachmodell. Mistral beschreibt es als sparsames Mixture-of-Experts-Modell mit insgesamt 141 Milliarden Parametern, von denen bei der Verarbeitung 39 Milliarden aktiv seien. Das solle die Kosten im Verhältnis zur Modellgröße senken. Der Titel und die Formulierungen des Berichts stellen das Modell als besonders leistungsfähig und effizient dar.

Als Fähigkeiten nennt Mistral flüssige Nutzung auf Englisch, Französisch, Italienisch, Deutsch und Spanisch sowie starke Mathematik- und Programmierleistungen. Das Modell könne nativ Funktionen aufrufen. Zusammen mit einem eingeschränkten Ausgabemodus auf Mistrals Plattform solle dies die Entwicklung von Anwendungen und die Modernisierung technischer Systeme unterstützen. Ein Kontextfenster von 64.000 Tokens ermögliche laut Unternehmen, Informationen aus umfangreichen Dokumenten präzise abzurufen.

Mistral kündigt die Veröffentlichung unter der Apache-2.0-Lizenz an und bezeichnet diese als besonders freizügig. Das Basismodell solle sich dadurch auch für nachträgliches Fine-Tuning eignen. Weiter behauptet das Unternehmen, die dünn besetzten Aktivierungsmuster machten Mixtral 8x22B schneller als jedes dichte 70-Milliarden-Parameter-Modell und zugleich leistungsfähiger als andere offene Modelle, unabhängig davon, ob deren Lizenzen freizügig oder restriktiv seien.

Zur Begründung verweist der Bericht auf Vergleiche mit offenen Modellen in gängigen Benchmarks. Genannt werden Tests zu Wissen und Schlussfolgern, mehrsprachige Auswertungen sowie Mathematik- und Programmieraufgaben. Laut Mistral übertreffe Mixtral 8x22B LLaMA 2 70B bei HellaSwag, Arc Challenge und MMLU auf Französisch, Deutsch, Spanisch und Italienisch. Bei Mathematik und Programmierung liege es im Vergleich zu anderen offenen Modellen vorn. Für die instruierte Version nennt der Bericht 90,8 Prozent bei GSM8K maj@8 und 44,6 Prozent bei Math maj@4.

Die Aussagen und Leistungsbewertungen stammen aus der Produktankündigung des Anbieters. Der vorliegende Text nennt zwar Benchmarks und verweist auf vier Abbildungen, enthält aber keine auslesbaren Diagrammwerte oder ausführlichen Angaben zu Versuchsaufbau, Vergleichsbedingungen und unabhängiger Prüfung. Die weitreichenden Vergleiche lassen sich anhand des Textes daher nicht eigenständig überprüfen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Stufen für SF-H3, SF-H2-T01 und SF-E4 liegen zu hoch, weil der Bericht die Fragen nur am Rande berührt. Die Abbildungen im Bericht tragen alle dieselbe Bildunterschrift und enthalten keine auslesbaren Werte, daher bleiben die Benchmarkvergleiche unabhängig nicht prüfbar.

Im Bericht, aber nicht in der Zusammenfassung

  • Apache-2.0-Lizenz in der Kurzfassung
  • Behauptung höherer Kosteneffizienz in beiden Fassungen
  • Geschwindigkeitsvorteil gegenüber dichten 70B-Modellen in der Kurzfassung

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
Fähigkeiten messen
  1. 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 29 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • 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 35 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 77 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 37 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  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 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 48 %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 36 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %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 19 %Hintergrund, keine Belege
    • Luna 63 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 26 %nur am Rande erwähnt
    • d3-ultra 34 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare 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 1 · gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

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 72 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 35 %gleiches Oberthema, hilft nicht
    • 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 →