Die Arena · KI-Modell im Test
Mistral Large 3
von Mistral AI
Open-Weight-Flaggschiff mit 675B MoE (41B aktiv), 256K Kontext, Bildeingabe und Preisen von $0.50/$1.50 pro 1M.
$1.50/1M out
Ein einziger API-Tarif auf La Plateforme ($0.50 Input / $1.50 Output pro 1M Tokens), mit 50% Rabatt über die Batch-API; die Apache-2.0-Gewichte erlauben kostenloses Self-Hosting, Preise von Drittanbieter-Hosts können abweichen.
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
Ja
Was ist Mistral Large 3?
Mistral AIs Open-Weight-Flaggschiff, veröffentlicht am 2. Dezember 2025: ein Sparse-Mixture-of-Experts-Modell mit 675B Gesamt- und 41B aktiven Parametern, 256K Kontext sowie Text- und Bildeingabe unter Apache 2.0. Mit $0.50/$1.50 pro 1M Tokens auf La Plateforme debütierte es als #2 der Open-Source-Modelle ohne Reasoning auf LMArena.
Mistral Large 3: Vor- und Nachteile
Vorteile
- Offene Gewichte unter Apache 2.0 mit Single-Node-Deployment via FP8/NVFP4-Quantisierung, trotz 675B Gesamtparametern
- 256K Kontextfenster, am oberen Ende für Open-Weight-Modelle, bestens geeignet für RAG über lange Dokumente
- Aggressiver Flaggschiff-Preis von $0.50 Input / $1.50 Output pro 1M Tokens, rund 3-4x günstiger als westliche proprietäre Flaggschiffe
- Debütierte als #2 der Open-Source-Modelle ohne Reasoning auf LMArena (Elo ~1418)
- Native Multimodalität (Vision-Encoder mit 2.5B Parametern) und 40+ native Sprachen
- Entwickler auf HN loben die strikte Formatierung und Anweisungstreue sowie die Produktionszuverlässigkeit
Nachteile
- Schwaches tiefes Reasoning: GPQA Diamond ~44% gegenüber hohen 70ern bei DeepSeek V3.2 und Kimi K2 Thinking; keine Reasoning-Variante zum Start
- Liegt auf modernen Coding-Benchmarks hinter GLM-4.6, Kimi K2 und DeepSeek (mittelmäßiger LiveCodeBench v6); HN-Entwickler sehen es 'eine Gewichtsklasse' unter Gemini 3, GPT-5.1 und Claude Opus 4.5
- Halluzinationsanfällig bei Fakten-QA (SimpleQA ~24%) mit schwachem Abstentions-Tuning
- Gemessenes Output-Tempo ~49 Tokens/s bei Artificial Analysis, unter dem Median von ~58 Tokens/s vergleichbarer Modelle
- HN-Kritik, dass die Architektur DeepSeek V3 stark ähnelt, was Zweifel an eigener Forschung weckt
Das Urteil der Arena
Wählen Sie Mistral Large 3, wenn Sie ein Open-Weight-Flaggschiff unter EU-Governance für mehrsprachiges RAG, Arbeit mit langen Dokumenten oder selbst gehostete Deployments wollen: Gegenüber Mistral Large 2 (dichtes 123B-Modell, restriktive Forschungslizenz, API-Preise $2/$6) ist es ein klares Upgrade bei Kontext, Multimodalität, Lizenz und Kosten. Meiden Sie es als primäre Engine für Coding oder tiefes Reasoning; DeepSeek V3.2, GLM-4.6 oder proprietäre Frontier-Modelle schneiden dort deutlich besser ab. Betrachten Sie es als günstiges, verlässliches Arbeitstier, nicht als Frontier-Performer.
Daumen hoch oder Daumen runter
Fällen Sie Ihr Urteil
Würden Sie Mistral Large 3 empfehlen oder die Menge davor warnen?
Top-Alternativen zu Mistral Large 3
Alle AlternativenAnthropics schnellstes Modell: etwa 90% der Coding-Stärke von Sonnet 4.5 für $1/$5 pro 1M Tokens, 200K Kontext.
Anthropics Mythos-Klasse-Flaggschiff vom Juni 2026: 80.3% auf SWE-bench Pro, 11 Punkte vor jedem anderen Frontier-Modell
Anthropics Opus vom April 2026: 87.6% SWE-bench Verified, 1M Kontext, hochauflösende Vision, inzwischen hinter Opus 4.8
Mistral Large 3 im direkten Vergleich
Mistral Large 3: häufige Fragen
Was kostet Mistral Large 3 pro 1M Tokens?
Mistral Large 3 kostet $0.50/1M in pro 1M Input-Tokens und $1.50/1M out pro 1M Output-Tokens. Ein einziger API-Tarif auf La Plateforme ($0.50 Input / $1.50 Output pro 1M Tokens), mit 50% Rabatt über die Batch-API; die Apache-2.0-Gewichte erlauben kostenloses Self-Hosting, Preise von Drittanbieter-Hosts können abweichen.