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
mistral7. Mai 2025 · Q001249

Medium is the new large.

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral kündigt Medium 3 als kostengünstiges Modell für professionelle Aufgaben an und hebt insbesondere Programmierung, STEM und multimodales Verständnis hervor. Die Leistungs- und Preisvergleiche stammen aus dem Anbieterbericht; die referenzierten Grafiken enthalten im bereitgestellten Text keine auslesbaren Einzelwerte, und unabhängige Ergebnisse zu den genannten Beta-Einsätzen werden nicht ausgeführt.

Mittel

Mistral stellt Mistral Medium 3 als leistungsfähiges und kostengünstiges Modell für professionelle und geschäftliche Anwendungen vor. Als Stärken nennt das Unternehmen Programmierung, multimodales Verständnis und STEM-Aufgaben. Es wirbt mit hybrider oder lokaler Bereitstellung, Anpassung durch weiteres Training und Integration in Unternehmenssysteme.

Laut Mistral erreicht das Modell in den angeführten Benchmarks mindestens 90 Prozent der Leistung von Claude Sonnet 3.7. Der Preis betrage 0,40 US-Dollar je Million Eingabetokens und 2 US-Dollar je Million Ausgabetokens. Der Anbieter behauptet außerdem, Medium 3 übertreffe unter anderem Llama 4 Maverick und Cohere Command A. Für selbst gehostete Umgebungen nennt Mistral mindestens vier GPUs.

Als Grundlage verweist der Bericht auf eine interne Benchmark-Pipeline sowie externe menschliche Bewertungen. Wo keine zuvor veröffentlichten Vergleichswerte verfügbar gewesen seien, habe Mistral ein eigenes Testsystem verwendet. Die referenzierten Tabellen und Abbildungen enthalten im bereitgestellten Text keine lesbaren Einzelwerte; die Vergleiche lassen sich daher hier nicht im Detail prüfen. Mistral berichtet von Beta-Einsätzen in Finanzwesen, Energie und Gesundheitswesen. Die API sei über Mistral La Plateforme und Amazon SageMaker verfügbar gewesen; weitere Plattformen sollten folgen.

Ausführlich lesen

Mistral kündigt in diesem Bericht Mistral Medium 3 an und stellt das Modell als leistungsstarke, vergleichsweise kostengünstige Option für professionelle und geschäftliche Anwendungen vor. Das Unternehmen beschreibt es als neue Modellklasse, die hohe Leistung mit geringeren Kosten und einfacherem Einsatz verbinden soll. Als wichtige Einsatzfelder nennt Mistral Programmierung und multimodales Verständnis. Für Unternehmen hebt der Anbieter außerdem hybride oder lokale Bereitstellung, Anpassung durch weiteres Training und die Einbindung in bestehende Werkzeuge und Systeme hervor.

Mistral zufolge erreicht Medium 3 bei den angeführten Benchmarks mindestens 90 Prozent der Leistung von Claude Sonnet 3.7, bei einem Preis von 0,40 US-Dollar je Million Eingabetokens und 2 US-Dollar je Million Ausgabetokens. Das Unternehmen behauptet zudem, das Modell übertreffe offene Modelle wie Llama 4 Maverick und Unternehmensmodelle wie Cohere Command A. Preislich liege es sowohl über die API als auch bei selbst betriebenen Systemen vor besonders günstigen Anbietern wie DeepSeek V3. Für die Bereitstellung nennt Mistral beliebige Clouds sowie selbst gehostete Umgebungen mit mindestens vier GPUs.

Als Belege verweist der Bericht auf Benchmark-Auswertungen und externe menschliche Bewertungen. Mistral erklärt, dass die Genauigkeitswerte der Benchmarks mit derselben internen Auswertungspipeline ermittelt wurden. Wo verfügbar, habe man zuvor von anderen Anbietern veröffentlichte Zahlen herangezogen; andernfalls sei ein eigenes Testsystem verwendet worden. Die menschlichen Bewertungen sollen praxisnähere Einsatzfälle abbilden. Laut Mistral schneidet das Modell besonders bei Programmier- und STEM-Aufgaben gut ab und komme dort an deutlich größere, langsamere Konkurrenzmodelle heran. Die im Quelltext referenzierten Abbildungen und Tabellen enthalten hier jedoch keine auslesbaren Einzelwerte, sodass sich die Vergleiche anhand des bereitgestellten Textes nicht im Detail überprüfen lassen.

Für branchenspezifische Anwendungen beschreibt Mistral fortlaufendes Vortraining, vollständige Feinabstimmung und die Verbindung mit unternehmensinternen Wissensbeständen. Beta-Kunden aus Finanzdienstleistungen, Energie und Gesundheitswesen nutzten das Modell demnach für kontextreicheren Kundenservice, personalisierte Abläufe und die Analyse komplexer Datensätze. Das sind Angaben des Anbieters; unabhängige Ergebnisse oder nähere Kundendaten führt der Bericht nicht an.

Zum Veröffentlichungszeitpunkt war die API laut Bericht über Mistral La Plateforme und Amazon SageMaker verfügbar; weitere Plattformen sollten folgen. Für Einsatz und Anpassung in eigener Infrastruktur verweist Mistral auf eine Kontaktaufnahme. Abschließend deutet das Unternehmen ein größeres Modell an, das in den folgenden Wochen vorgestellt werden solle.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist eine Herstellerdarstellung mit firmeneigenen Benchmarks, deren Tabellen nur als Bilder vorliegen und im Text keine Einzelwerte enthalten. Die Einordnung stützt sich nur auf Textbelege. Die Anteilswerte aus Lunas Einordnung wurden nicht übernommen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Kosten seien laut Bericht 8-mal niedriger als bei vergleichbaren Modellen
  • Der Preisvergleich mit DeepSeek v3, bei dem Medium 3 laut Mistral günstiger ist
  • Die Ankündigung, dass in den folgenden Wochen etwas Größeres und Offenes folgt
  • Die Bereitstellung in beliebigen Clouds ist möglich, nicht nur hybrid oder lokal

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
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 51 %einzelne zitierbare Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 45 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung 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 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
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 40 %einzelne zitierbare Belege
    • amos 43 %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 47 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

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 33 %Hintergrund, keine Belege
    • JEV 37 %nur am Rande erwähnt
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %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 100 %kein Bezug
    • JEV 36 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • 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 58 %Hintergrund, keine Belege
    • JEV 59 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %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 →