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
mistral2. Dezember 2025 · Q001446

Introducing Mistral 3 | Mistral AI

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral 3 umfasst offene Ministral-Modelle in drei Größen und das große Mixture-of-Experts-Modell Large 3; Mistral nennt Leistungs-, Mehrsprachigkeits- und Effizienzvorteile sowie verschiedene Bereitstellungswege. Diese Bewertungen und Vergleichswerte stammen vom Anbieter, und eine Reasoning-Version von Large 3 wird noch angekündigt.

Mittel

Mistral AI stellt mit Mistral 3 eine offene Modellfamilie unter Apache 2.0 vor. Dazu gehören Ministral-Modelle mit 3, 8 und 14 Milliarden Parametern sowie Mistral Large 3, ein Mixture-of-Experts-Modell mit laut Anbieter 675 Milliarden Gesamtparametern und 41 Milliarden aktiven Parametern.

Mistral zufolge erreicht Large 3 bei allgemeinen Prompts eine Leistung auf Augenhöhe mit führenden offenen Instruktionsmodellen, versteht Bilder und eignet sich besonders für mehrsprachige Gespräche. Das Unternehmen nennt Platz zwei unter offenen Modellen ohne Reasoning und Platz sechs insgesamt auf LMArena. Eine Reasoning-Version von Large 3 soll später folgen. Ministral gibt es in Basis-, Instruktions- und Reasoning-Ausführungen; Mistral betont deren Bildverständnis, Effizienz und Eignung für lokale Geräte. Für das 14B-Reasoning-Modell nennt der Anbieter 85 Prozent im AIME-2025-Test.

Kooperationen mit NVIDIA, vLLM und Red Hat sollen den Betrieb auf Beschleunigern und Edge-Geräten erleichtern. Die Modelle sind laut Bericht bereits über mehrere Plattformen verfügbar; weitere Anbieter sollen folgen. Die Leistungs- und Effizienzvergleiche sind Anbieterangaben. Eine ausführliche unabhängige Testmethodik wird im Text nicht dargestellt.

Ausführlich lesen

Der Bericht kündigt Mistral 3 als neue Modellfamilie von Mistral AI an. Sie umfasst die kleineren Ministral-Modelle mit 3, 8 und 14 Milliarden Parametern sowie Mistral Large 3, ein Modell mit Mixture-of-Experts-Architektur. Laut Unternehmen sind bei Large 3 insgesamt 675 Milliarden Parameter vorhanden, davon 41 Milliarden aktiv. Alle Modelle werden unter der Apache-2.0-Lizenz veröffentlicht. Mistral hebt offene Gewichte und komprimierte Varianten als Möglichkeiten hervor, Modelle anzupassen und lokal oder auf unterschiedlichen Geräten einzusetzen.

Mistral bezeichnet Large 3 als eines der leistungsfähigsten permissiv lizenzierten offenen Modelle. Es sei von Grund auf auf 3.000 NVIDIA-H200-GPUs trainiert worden. Nach dem nachgelagerten Training erreiche es bei allgemeinen Prompts ein Niveau vergleichbar mit führenden offenen, instruktionsoptimierten Modellen und zeige Bildverständnis sowie starke mehrsprachige Gesprächsleistung. Als Rang nennt der Bericht Platz zwei in der Kategorie offener Modelle ohne Reasoning und Platz sechs über alle offenen Modelle hinweg auf der LMArena-Bestenliste. Veröffentlicht werden eine Basisausführung und eine instruktionstunierte Ausführung; eine Reasoning-Version von Large 3 sei noch angekündigt.

Für die Bereitstellung nennt Mistral Kooperationen mit NVIDIA, vLLM und Red Hat. Ein optimierter NVFP4-Checkpoint soll den Betrieb auf Blackwell-NVL72-Systemen sowie auf einzelnen Rechnern mit acht A100- oder H100-GPUs ermöglichen. Der Bericht beschreibt außerdem Unterstützung für TensorRT-LLM und SGLang und nennt Optimierungen für lange Kontexte und hohen Durchsatz. Ministral-Modelle sollen auch auf DGX Spark, RTX-Rechnern und Jetson-Geräten laufen können.

Ministral 3 richtet sich laut Mistral an lokale Anwendungen und Edge-Geräte. Für jede der drei Größen seien Basis-, Instruktions- und Reasoning-Varianten verfügbar; alle hätten Bildverständnis und mehrsprachige Fähigkeiten. Mistral behauptet, die Instruktionsmodelle erreichten oder überträfen vergleichbare Modelle und erzeugten dabei oft deutlich weniger Text. Die Reasoning-Varianten könnten für höhere Genauigkeit länger rechnen; als Beispiel nennt das Unternehmen 85 Prozent im AIME-2025-Test für die 14B-Version.

Der Bericht nennt mehrere Plattformen, auf denen die Modelle bereits verfügbar seien, darunter Mistral AI Studio, Amazon Bedrock, Azure Foundry und Hugging Face. NVIDIA NIM und AWS SageMaker werden als künftig verfügbar bezeichnet. Zusätzlich bietet Mistral kundenspezifisches Fine-Tuning und Modelltraining an.

Die Leistungsangaben und Vergleiche sind Aussagen des Anbieters. Der Text verweist auf Abbildungen und eine Bestenliste, erläutert aber keine ausführliche unabhängige Testmethodik oder die Bedingungen für die genannten Vergleiche. Eine Reasoning-Ausführung von Large 3 wird ausdrücklich als noch ausstehend beschrieben.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung von Luna, die kurze ist inhaltlich ebenfalls treu. Der einzige Fehler ist kleiner Natur: Platz sechs bezieht sich im Bericht nur auf offene Modelle, nicht auf alle Modelle auf LMArena. Die Einordnung stützt sich ausschließlich auf den Textinhalt des Berichts, der ein Anbieter-Werbetext ist und keine unabhängige Prüfung darstellt.

Im Bericht, aber nicht in der Zusammenfassung

  • Large 3 wurde nach Angaben von Mistral von Grund auf auf 3000 NVIDIA-H200-GPUs trainiert
  • Der NVFP4-Checkpoint von Large 3 lässt sich auf einem einzelnen 8×A100- oder 8×H100-Knoten betreiben
  • Laut Bericht erzeugen die Ministral-Instruktionsmodelle oft eine Größenordnung weniger Tokens bei gleicher oder besserer Leistung
  • Mistral bietet individuelle Trainingsdienste für Unternehmen an
  • Die Unterstützung von über 40 Sprachen wird genannt

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 30 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 37 %gleiches Oberthema, hilft nicht
    • Luna 32 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %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 32 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %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 24 %Hintergrund, keine Belege
    • JEV 37 %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 36 %einzelne zitierbare Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 24 %Hintergrund, keine Belege
    • Luna 76 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 35 %einzelne zitierbare Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra 36 %einzelne zitierbare Belege
    • Haiku-Prüfung nur am Rande erwähnt

    • 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 · 37 % · 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 51 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

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 77 %einzelne zitierbare Belege
    • JEV 37 %umfangreiche Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 30 %einzelne zitierbare Belege
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 24 %gleiches Oberthema, hilft nicht
    • JEV 25 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
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 →