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
mistral27. Mai 2025 · Q001264

Build AI agents with the Mistral Agents API

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral beschreibt die Agents API als Plattform für Agenten, die Werkzeuge wie Websuche, Codeausführung und MCP nutzen, Gesprächskontext behalten und Aufgaben an andere Agenten übergeben können. Als Beispiele nennt der Anbieter Anwendungen für Programmierung, Projektmanagement, Finanzen, Reisen und Ernährung sowie bessere SimpleQA-Werte mit Websuche; eine unabhängige Prüfung oder Details zur Testmethode liefert der Bericht nicht.

Mittel

Mistral kündigt die Agents API als Ergänzung zur Chat Completion API an. Sie soll Agenten ermöglichen, Werkzeuge zu verwenden, Gesprächskontext zu speichern und Aufgaben über mehrere Agenten hinweg zu koordinieren. Genannt werden Codeausführung in einer abgeschirmten Python-Umgebung, Bildgenerierung, Zugriff auf Dokumente in Mistral Cloud, Websuche und MCP-Werkzeuge. Gespräche können laut Bericht fortgesetzt oder verzweigt werden; Ausgaben sind streambar, und Agenten können Aufgaben an andere Agenten übergeben.

Als Einsatzbeispiele führt Mistral einen GitHub- und Coding-Assistenten, die Umwandlung von Gesprächsprotokollen in Linear-Tickets, Finanzanalyse, Reiseplanung und Ernährungsbegleitung an. Der Anbieter berichtet außerdem SimpleQA-Werte von 75 und 82,32 Prozent für Mistral Large und Medium mit Websuche, gegenüber 23 und 22,08 Prozent ohne Websuche. Testbedingungen werden nicht erklärt. Der Artikel beschreibt die Fähigkeiten und Vorteile aus Anbietersicht; unabhängige Zuverlässigkeitsprüfungen sowie konkrete Kosten- oder Verfügbarkeitsangaben enthält er nicht.

Ausführlich lesen

Der Bericht kündigt Mistrals Agents API als Rahmen für den Bau von KI-Agenten an. Mistral stellt sie als Ergänzung zur Chat Completion API dar: Sprachmodelle sollen damit nicht nur Texte erzeugen, sondern auch Werkzeuge nutzen, Gesprächskontext behalten und mehrere Arbeitsschritte koordinieren können. Laut Bericht soll die API komplexe Aufgaben in Unternehmen unterstützen; diese Einschätzung ist die Darstellung des Anbieters.

Als Funktionen nennt der Text integrierte Verbindungen für Codeausführung, Bildgenerierung, eine Dokumentenbibliothek und Websuche sowie die Einbindung von Werkzeugen über das Model Context Protocol (MCP). Die Codeausführung soll in einer sicheren, abgeschirmten Python-Umgebung stattfinden und unter anderem Berechnungen, Datenanalysen und Visualisierungen ermöglichen. Die Dokumentenbibliothek greift auf Dokumente in Mistral Cloud zu und unterstützt laut Bericht Retrieval-Augmented Generation. Die Websuche soll aktuelle Informationen einbeziehen. Als Beleg für ihren Nutzen führt Mistral Ergebnisse im SimpleQA-Benchmark an: Mistral Large und Mistral Medium erreichten mit Websuche demnach 75 beziehungsweise 82,32 Prozent, ohne Websuche 23 beziehungsweise 22,08 Prozent. Der Artikel erläutert die Testbedingungen und den Vergleich nicht näher.

Für dauerhafte Gespräche speichert die API laut Beschreibung den Gesprächsverlauf. Entwickler können eine Unterhaltung mit einem bestimmten Agenten beginnen oder Modell und Parameter direkt festlegen, frühere Gespräche fortsetzen und von einem früheren Punkt aus neue Gesprächsverläufe starten. Ausgaben lassen sich streamen. Bei der Orchestrierung können mehrere Agenten mit unterschiedlichen Modellen und Werkzeugen eingerichtet und in einer Unterhaltung hinzugefügt oder entfernt werden. Handoffs erlauben, Aufgaben an andere Agenten weiterzugeben; als Beispiel nennt der Bericht einen Finanzagenten, der Websuche oder einen Rechner einsetzt.

Der Bericht veranschaulicht mögliche Anwendungen mit fünf Beispielen: ein GitHub-Assistent, der einen Entwickleragenten beim Schreiben von Code beaufsichtigt und weitreichende GitHub-Berechtigungen erhält; ein Assistent, der Gesprächsprotokolle in Anforderungen und Linear-Tickets überführt; ein Finanzanalyse-Agent; ein Reiseassistent für Planung und Buchungen; sowie ein Ernährungsbegleiter zum Setzen von Zielen, Erfassen von Mahlzeiten und Finden passender Essensoptionen. Für die Beispiele verweist Mistral auf Code-Rezepte.

Insgesamt beschreibt der Text Funktionen und Anwendungsfälle aus Sicht des Anbieters und lädt zum Einstieg über die Dokumentation ein. Er enthält keine unabhängige Bewertung, keine detaillierten Angaben zu Kosten oder Verfügbarkeit und keine näheren Belege dafür, wie zuverlässig die genannten Abläufe in der Praxis sind.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Geprüft wurde die mittlere Zusammenfassung; die kurze stimmt ebenfalls mit dem Bericht überein. Die Einordnung von Luna ist bei mehreren Fragen zu hoch: Der Bericht ist eine Produktankündigung von Mistral, die keine Sicherheits-, Kontroll- oder Governance-Fragen beantwortet. Die Stufen 4 und 3 bei SF-A1 und SF-V5 sowie die Stufe 3 bei SF-A3-T01 lassen sich am Text nicht belegen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Agents API wird als Rückgrat („backbone“) für Unternehmensplattformen beschrieben
  • Direkter Zugang zu Gesprächen über Modell und Parameter steht neben dem Start mit einem Agenten
  • Die Bildgenerierung nutzt FLUX1.1 [pro] Ultra von Black Forest Lab

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
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 64 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

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 23 %Hintergrund, keine Belege
    • Luna 58 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 29 %gleiches Oberthema, hilft nicht
    • drex 21 %gleiches Oberthema, hilft nicht
    • d3-ultra 41 %einzelne zitierbare Belege
    • Haiku-Prüfung Hintergrund, keine Belege

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 38 %gleiches Oberthema, hilft nicht
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 29 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 36 %gleiches Oberthema, hilft nicht
    • Luna 63 %Hintergrund, keine Belege
    • JEV 32 %Hintergrund, keine Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Modelle teilen und schützen
Frieden und Sicherheit
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

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 →