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
mistral30. Januar 2025 · Q001191

Mistral Small 3 | Mistral AI

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral beschreibt Small 3 als offenes, latenzarmes Modell mit 24 Milliarden Parametern, das laut Hersteller mit größeren Modellen konkurrieren und sich lokal betreiben lassen soll. Der Bericht nennt interne und menschliche Vergleichstests, weist aber auf mögliche Abweichungen zwischen Bewertungsmethoden hin; die referenzierten Diagramme und eine unabhängige Bestätigung der Leistungsangaben fehlen im bereitgestellten Text.

Mittel

Mistral stellt Small 3 vor, ein auf geringe Latenz ausgelegtes Modell mit 24 Milliarden Parametern, das unter Apache 2.0 veröffentlicht wurde. Das Unternehmen behauptet, es könne mit Modellen wie Llama 3.3 70B konkurrieren und sei auf derselben Hardware mehr als dreimal schneller. Genannt werden außerdem über 81 Prozent Genauigkeit auf MMLU und 150 Tokens pro Sekunde. Diese Angaben sind Aussagen des Herstellers.

Mistral veröffentlichte eine vortrainierte und eine anweisungsoptimierte Version. Für den Vergleich mit anderen Modellen ließ ein externer Anbieter mehr als 1.000 proprietäre Programmier- und allgemeine Prompts anonym bewerten. Der Beitrag räumt ein, dass menschliche Bewertungen von öffentlichen Benchmarks abweichen können; weitere Messwerte stammten aus einer internen einheitlichen Bewertungsmethode und könnten von früheren Veröffentlichungen abweichen.

Als mögliche Anwendungen nennt Mistral Dialogsysteme, Funktionsaufrufe, Feinabstimmung für Fachgebiete und lokale Verarbeitung. Ein quantisiertes Modell könne laut Unternehmen auf einer RTX 4090 oder einem MacBook mit 32 GB RAM betrieben werden. Die Modelle waren über Mistrals Plattform und mehrere Partner verfügbar. Die genannten Leistungswerte und Kundenbeispiele werden im Bericht nicht unabhängig bestätigt; die referenzierten Grafiken sind im Text nicht mit ihren Einzelwerten enthalten.

Ausführlich lesen

Der Bericht stellt Mistral Small 3 vor, ein Modell mit 24 Milliarden Parametern, das auf kurze Antwortzeiten ausgelegt und unter der Apache-2.0-Lizenz veröffentlicht wurde. Mistral beschreibt es als geeignet für viele typische Aufgaben mit Sprachverarbeitung und Befolgen von Anweisungen. Das Unternehmen behauptet, die Leistung könne mit deutlich größeren Modellen wie Llama 3.3 70B konkurrieren; auf derselben Hardware sei Mistral Small 3 mehr als dreimal schneller. Es nennt außerdem über 81 Prozent Genauigkeit auf MMLU und eine Verarbeitung von 150 Tokens pro Sekunde und bezeichnet das Modell als besonders effizient in seiner Größenklasse.

Mistral veröffentlichte sowohl eine vortrainierte als auch eine anweisungsoptimierte Version. Laut Bericht wurde das Modell weder mit Reinforcement Learning noch mit synthetischen Daten trainiert. Es befinde sich daher früher im Entwicklungsprozess als etwa DeepSeek R1 und könne als Grundlage für spätere Anpassungen und den Ausbau von Schlussfolgerungsfähigkeiten dienen.

Zur Leistungsbewertung berichtet Mistral von einem direkten Vergleich mit mehr als 1.000 proprietären Programmier- und allgemeinen Prompts. Ein externer Anbieter ließ Bewertende anonymisierte Antworten vergleichen und ihre bevorzugte auswählen. Das Unternehmen räumt ein, dass menschliche Bewertungen deutlich von öffentlichen Benchmarks abweichen können, erklärt aber, auf einen fairen Vergleich geachtet zu haben. Weitere Genauigkeitswerte seien mit einer einheitlichen internen Bewertungsmethode erhoben worden und könnten deshalb leicht von zuvor veröffentlichten Zahlen abweichen. Für wertende Benchmarks wie Wildbench, Arena Hard und MTBench kam laut Bericht GPT-4o vom 13. Mai 2024 als Beurteilungsmodell zum Einsatz.

Als Anwendungsfelder nennt der Beitrag schnelle Dialogsysteme, latenzarme Funktionsaufrufe in automatisierten Abläufen, domänenspezifische Feinabstimmung und lokale Verarbeitung. Ein quantisiertes Modell könne laut Mistral privat auf einer einzelnen RTX 4090 oder einem MacBook mit 32 GB Arbeitsspeicher laufen. Als Beispiele für Erprobungen durch Kunden führt das Unternehmen Betrugserkennung im Finanzwesen, Triage im Gesundheitsbereich, Steuerung auf Geräten in Robotik und Fertigung sowie Kundenservice und Stimmungsanalyse an.

Zum Zeitpunkt der Veröffentlichung war das Modell über Mistrals Plattform sowie unter anderem über Hugging Face, Ollama, Kaggle, Together AI und Fireworks AI verfügbar; weitere Anbieter wurden als geplant genannt. Mistral bekräftigt zudem, allgemeine Modelle künftig verstärkt unter Apache 2.0 bereitzustellen, während spezialisierte kommerzielle Modelle das Angebot ergänzen sollen.

Die Leistungsangaben und Einsatzbeispiele stammen aus dem Unternehmensbericht. Die eingebetteten Benchmark-Grafiken sind im bereitgestellten Text nur als Bildverweise enthalten; einzelne Diagrammwerte lassen sich daraus nicht entnehmen. Der Bericht liefert zudem keine unabhängige Bestätigung der Leistungsbehauptungen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die Zusammenfassung „mittel“. Die Kurzfassung lässt die Apache-2.0-Lizenz, den MMLU-Wert von über 81 Prozent und die Geschwindigkeitsangaben aus und behauptet ungenau, die referenzierten Diagramme fehlten im Text; die Abbildungen sind verlinkt, nur ihre Einzelwerte fehlen.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Modell wurde weder mit RL noch mit synthetischen Daten trainiert
  • Der Vergleich mit GPT-4o-mini als offenem Ersatz
  • Die Ausrichtung auf die etwa 80 Prozent generativer KI-Aufgaben mit sehr niedriger Latenz
  • Die Zusage, künftige Allzweckmodelle unter Apache 2.0 zu veröffentlichen und sich von MRL-Lizenzen zu lösen

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
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 60 %einzelne zitierbare Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra 36 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 44 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
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 49 %einzelne zitierbare Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %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 28 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %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 38 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 46 %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 37 %einzelne zitierbare Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 30 % · 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 · 41 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
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 23 %Hintergrund, keine Belege
    • Luna 66 %einzelne zitierbare Belege
    • JEV 55 %einzelne zitierbare Belege
    • amos 35 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 29 %einzelne zitierbare Belege
    • d3-ultra 36 %einzelne zitierbare Belege
    • 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 · 39 % · 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 58 %einzelne zitierbare Belege
    • JEV 50 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 80 %einzelne zitierbare Belege
    • JEV 38 %umfangreiche Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 31 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

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 →