Mistral AISprachmodell
Mixtral 8x7B
Für Mixtral 8x7B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 283 von 785
40von 100wie im Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Das Besondere an Mixtral 8x7B ist die sparsame MoE-Berechnung. Ein Router wählt pro Token zwei von acht Experten; zusammen nennt Mistral 46,7 Milliarden Gesamtparameter und rund 12,9 Milliarden aktive Parameter bei 32.000 Token Kontext. Fünf Sprachen, Coding und Apache 2.0 gehören zum Release.
Die größere Variante Mixtral 8x22B übernimmt die Router-und-Experten-Idee von Mixtral 8x7B.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 53 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 5
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
LongHealth Task 1 single-patient information retrieval accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 77
- Bewertung
- 77
- Messgröße
- Mean accuracy over five runs
- Einheit
- %
- Benchmark-Version
- LongHealth
- Richtung
- Mehr ist besser
- Stichprobe
- 400
- Quellentyp
- independent-evaluator
- Auswertung
- LongHealth: A Question Answering Benchmark with Long Clinical Documents
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter im Paper benannter Checkpoint: Mixtral-8x7B-Instruct-v0.1. Zero-Shot-Multiple-Choice-Fragen mit demselben Systemprompt für alle Modelle, jeweils eine Frage und 16.000 Token Eingabelänge. Aufgabe 1 mischt die Dokumente eines Patienten. Die Tabelle berichtet mittlere Genauigkeit aus fünf Läufen; sampleCount bezeichnet die 400 Benchmarkfragen, nicht fünf wiederholte Läufe.
- Einordnung
- Die Spanne von 75 % bis 79 % ist die beobachtete Spannweite aus fünf Läufen, kein Konfidenzintervall. Ein CI wird nicht berichtet. Eine API-Serving-Revision oder Reasoning-Stufe nennt das Paper nicht.
LongHealth Task 2 mixed-patient information retrieval accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 71
- Bewertung
- 71
- Messgröße
- Mean accuracy over five runs
- Einheit
- %
- Benchmark-Version
- LongHealth
- Richtung
- Mehr ist besser
- Stichprobe
- 400
- Quellentyp
- independent-evaluator
- Auswertung
- LongHealth: A Question Answering Benchmark with Long Clinical Documents
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter im Paper benannter Checkpoint: Mixtral-8x7B-Instruct-v0.1. Zero-Shot-Multiple-Choice-Fragen mit demselben Systemprompt für alle Modelle, jeweils eine Frage und 16.000 Token Eingabelänge. Aufgabe 2 mischt Dokumente des Zielpatienten mit Dokumenten anderer Patienten. Die Tabelle berichtet mittlere Genauigkeit aus fünf Läufen; sampleCount bezeichnet die 400 Benchmarkfragen, nicht fünf wiederholte Läufe.
- Einordnung
- Die Spanne von 69 % bis 73 % ist die beobachtete Spannweite aus fünf Läufen, kein Konfidenzintervall. Ein CI wird nicht berichtet. Eine API-Serving-Revision oder Reasoning-Stufe nennt das Paper nicht.
LongHealth Task 3 unanswerable-information recognition accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 17
- Bewertung
- 17
- Messgröße
- Mean accuracy over five runs
- Einheit
- %
- Benchmark-Version
- LongHealth
- Richtung
- Mehr ist besser
- Stichprobe
- 400
- Quellentyp
- independent-evaluator
- Auswertung
- LongHealth: A Question Answering Benchmark with Long Clinical Documents
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter im Paper benannter Checkpoint: Mixtral-8x7B-Instruct-v0.1. Zero-Shot-Multiple-Choice-Fragen mit demselben Systemprompt für alle Modelle, jeweils eine Frage und 16.000 Token Eingabelänge. Aufgabe 3 prüft die Ablehnung, wenn die Informationen des abgefragten Patienten in den bereitgestellten Dokumenten fehlen. Die Tabelle berichtet mittlere Genauigkeit aus fünf Läufen; sampleCount bezeichnet die 400 Benchmarkfragen, nicht fünf wiederholte Läufe.
- Einordnung
- Die Spanne von 15 % bis 18 % ist die beobachtete Spannweite aus fünf Läufen, kein Konfidenzintervall. Ein CI wird nicht berichtet. Eine API-Serving-Revision oder Reasoning-Stufe nennt das Paper nicht.
TALES TextWorld, Mixtral-8x7B-Instruct-v0.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- TextWorld game success rate
- Einheit
- %
- Benchmark-Version
- TALES v4, arXiv:2504.14128v4 Table 3
- Kategorie
- TextWorld
- Richtung
- Mehr ist besser
- Stichprobe
- 10
- Quellentyp
- independent-evaluator
- Auswertung
- TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 3 nennt Mixtral-8x7B-Instruct-v0.1. Zero-Shot mit minimalem Prompt, ohne fachkundige Domänenhinweise, Nicht-Reasoning-Modell und höchstens 100 Schritte; je Spiel fünf Läufe. Dies ist der TextWorld-Gesamtwert über 10 Spiele; sampleCount zählt eindeutige Spiele, nicht Versuche.
- Einordnung
- Die Aggregattabelle nennt kein Konfidenzintervall. Genaue Serving-Route, unveränderliche Modellrevision, Quantisierung und Datum dieses Modelllaufs sind nicht veröffentlicht. Fünf Läufe je Spiel sind angegeben; N zählt hier Spiele und nicht multiplizierte Versuche. Die Autoren sagen, dass in den Ergebnissen der initialen Veröffentlichung nur Modelle mit mindestens 90 % des erreichbaren Gesamtscores im 100-Schritte-Modus von Simon Says with Memory berücksichtigt werden. Separat untersuchen sie qualitativ Transkripte von neun Modellen, die im schwierigsten Simon-Says-Modus hohe Werte erreichen. Diese Neunergruppe ist die qualitative Teilstichprobe, nicht der 34 Modelle umfassende Zero-Shot-Evaluationssatz über 122 Spiele.
TALES TextWorldExpress, Mixtral-8x7B-Instruct-v0.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.6
- Bewertung
- 1.6
- Messgröße
- TextWorldExpress game success rate
- Einheit
- %
- Benchmark-Version
- TALES v4, arXiv:2504.14128v4 Table 3
- Kategorie
- TextWorldExpress
- Richtung
- Mehr ist besser
- Stichprobe
- 16
- Quellentyp
- independent-evaluator
- Auswertung
- TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 3 nennt Mixtral-8x7B-Instruct-v0.1. Zero-Shot mit minimalem Prompt, ohne fachkundige Domänenhinweise, Nicht-Reasoning-Modell und höchstens 100 Schritte; je Spiel fünf Läufe. Dies ist TextWorldExpress über 16 Spiele; sampleCount zählt eindeutige Spiele, nicht Versuche.
- Einordnung
- Konfidenzintervall, genaue Serving-Route/Revision, Quantisierung und Laufdatum sind unveröffentlicht. Fünf Läufe je Spiel sind angegeben; sampleCount zählt Spiele, nicht Versuche. Die Autoren sagen, dass in den Ergebnissen der initialen Veröffentlichung nur Modelle mit mindestens 90 % des erreichbaren Gesamtscores im 100-Schritte-Modus von Simon Says with Memory berücksichtigt werden. Separat untersuchen sie qualitativ Transkripte von neun Modellen, die im schwierigsten Simon-Says-Modus hohe Werte erreichen. Diese Neunergruppe ist die qualitative Teilstichprobe, nicht der 34 Modelle umfassende Zero-Shot-Evaluationssatz über 122 Spiele.
TALES ALFWorld, Mixtral-8x7B-Instruct-v0.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- ALFWorld game success rate
- Einheit
- %
- Benchmark-Version
- TALES v4, arXiv:2504.14128v4 Table 3
- Kategorie
- ALFWorld
- Richtung
- Mehr ist besser
- Stichprobe
- 12
- Quellentyp
- independent-evaluator
- Auswertung
- TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 3 nennt Mixtral-8x7B-Instruct-v0.1. Zero-Shot mit minimalem Prompt, ohne fachkundige Domänenhinweise, Nicht-Reasoning-Modell und höchstens 100 Schritte; je Spiel fünf Läufe. Dies ist ALFWorld über 12 Spiele; sampleCount zählt eindeutige Spiele, nicht Versuche.
- Einordnung
- Konfidenzintervall, genaue Serving-Route/Revision, Quantisierung und Laufdatum sind unveröffentlicht. Fünf Läufe je Spiel sind angegeben; sampleCount zählt Spiele, nicht Versuche. Die Autoren sagen, dass in den Ergebnissen der initialen Veröffentlichung nur Modelle mit mindestens 90 % des erreichbaren Gesamtscores im 100-Schritte-Modus von Simon Says with Memory berücksichtigt werden. Separat untersuchen sie qualitativ Transkripte von neun Modellen, die im schwierigsten Simon-Says-Modus hohe Werte erreichen. Diese Neunergruppe ist die qualitative Teilstichprobe, nicht der 34 Modelle umfassende Zero-Shot-Evaluationssatz über 122 Spiele.
TALES ScienceWorld, Mixtral-8x7B-Instruct-v0.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4
- Bewertung
- 4
- Messgröße
- ScienceWorld game success rate
- Einheit
- %
- Benchmark-Version
- TALES v4, arXiv:2504.14128v4 Table 3
- Kategorie
- ScienceWorld
- Richtung
- Mehr ist besser
- Stichprobe
- 30
- Quellentyp
- independent-evaluator
- Auswertung
- TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 3 nennt Mixtral-8x7B-Instruct-v0.1. Zero-Shot mit minimalem Prompt, ohne fachkundige Domänenhinweise, Nicht-Reasoning-Modell und höchstens 100 Schritte; je Spiel fünf Läufe. Dies ist ScienceWorld über 30 Spiele; sampleCount zählt eindeutige Spiele, nicht Versuche.
- Einordnung
- Konfidenzintervall, genaue Serving-Route/Revision, Quantisierung und Laufdatum sind unveröffentlicht. Fünf Läufe je Spiel sind angegeben; sampleCount zählt Spiele, nicht Versuche. Die Autoren sagen, dass in den Ergebnissen der initialen Veröffentlichung nur Modelle mit mindestens 90 % des erreichbaren Gesamtscores im 100-Schritte-Modus von Simon Says with Memory berücksichtigt werden. Separat untersuchen sie qualitativ Transkripte von neun Modellen, die im schwierigsten Simon-Says-Modus hohe Werte erreichen. Diese Neunergruppe ist die qualitative Teilstichprobe, nicht der 34 Modelle umfassende Zero-Shot-Evaluationssatz über 122 Spiele.
TALES Jericho, Mixtral-8x7B-Instruct-v0.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0.3
- Bewertung
- 0.3
- Messgröße
- Jericho game success rate
- Einheit
- %
- Benchmark-Version
- TALES v4, arXiv:2504.14128v4 Table 3
- Kategorie
- Jericho
- Richtung
- Mehr ist besser
- Stichprobe
- 54
- Quellentyp
- independent-evaluator
- Auswertung
- TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 3 nennt Mixtral-8x7B-Instruct-v0.1. Zero-Shot mit minimalem Prompt, ohne fachkundige Domänenhinweise, Nicht-Reasoning-Modell und höchstens 100 Schritte; je Spiel fünf Läufe. Dies ist Jericho über 54 Spiele; sampleCount zählt eindeutige Spiele, nicht Versuche.
- Einordnung
- Konfidenzintervall, genaue Serving-Route/Revision, Quantisierung und Laufdatum sind unveröffentlicht. Fünf Läufe je Spiel sind angegeben; sampleCount zählt Spiele, nicht Versuche. Die Autoren sagen, dass in den Ergebnissen der initialen Veröffentlichung nur Modelle mit mindestens 90 % des erreichbaren Gesamtscores im 100-Schritte-Modus von Simon Says with Memory berücksichtigt werden. Separat untersuchen sie qualitativ Transkripte von neun Modellen, die im schwierigsten Simon-Says-Modus hohe Werte erreichen. Diese Neunergruppe ist die qualitative Teilstichprobe, nicht der 34 Modelle umfassende Zero-Shot-Evaluationssatz über 122 Spiele.
TALES Average, Mixtral-8x7B-Instruct-v0.1 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.3
- Bewertung
- 1.3
- Messgröße
- Average success rate across TALES environments
- Einheit
- %
- Benchmark-Version
- TALES v4, arXiv:2504.14128v4 Table 3
- Kategorie
- overall average
- Richtung
- Mehr ist besser
- Stichprobe
- 122
- Quellentyp
- independent-evaluator
- Auswertung
- TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 3 nennt Mixtral-8x7B-Instruct-v0.1 und weist den Mittelwert über fünf Umgebungen mit insgesamt 122 Spielen aus. Zero-Shot mit minimalem Prompt, ohne fachkundige Domänenhinweise, Nicht-Reasoning-Modell und höchstens 100 Schritte; je Spiel fünf Läufe. sampleCount zählt eindeutige Spiele, nicht Versuche.
- Einordnung
- Die Studie beschreibt für diese Zelle keinen zusätzlichen gepoolten Micro-Average-Nenner und veröffentlicht kein Konfidenzintervall. 122 bezeichnet die eindeutigen Spiele der Suite; fünf Läufe je Spiel sind angegeben. Serving-Revision und Route bleiben unveröffentlicht. Die Autoren sagen, dass in den Ergebnissen der initialen Veröffentlichung nur Modelle mit mindestens 90 % des erreichbaren Gesamtscores im 100-Schritte-Modus von Simon Says with Memory berücksichtigt werden. Separat untersuchen sie qualitativ Transkripte von neun Modellen, die im schwierigsten Simon-Says-Modus hohe Werte erreichen. Diese Neunergruppe ist die qualitative Teilstichprobe, nicht der 34 Modelle umfassende Zero-Shot-Evaluationssatz über 122 Spiele.
FILBENCH: Cultural Knowledge (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 49.88
- Bewertung
- 49.88
- Messgröße
- Cultural Knowledge accuracy
- Einheit
- %
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- FilBench: Can LLMs Understand and Generate Filipino? (EMNLP 2025)
- Status
- active
- Abrufdatum
- 2026-10-20
- Methodik
- Unabhängige Evaluation. Tabellenwert aus Tabelle 8 für den exakt gelisteten Checkpoint. MCF-Kategorien nutzen Accuracy, Generation nutzt ROUGE-L. Die Quelle nennt keine Stichprobengröße je Modell.
- Einordnung
- Die Quelle druckt 49.88±3.67, definiert die Unsicherheit jedoch nicht. Es wird kein Konfidenzintervall abgeleitet.
FILBENCH: Classical NLP (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 84.19
- Bewertung
- 84.19
- Messgröße
- Classical NLP accuracy
- Einheit
- %
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- FilBench: Can LLMs Understand and Generate Filipino? (EMNLP 2025)
- Status
- active
- Abrufdatum
- 2026-10-20
- Methodik
- Unabhängige Evaluation. Tabellenwert aus Tabelle 8 für den exakt gelisteten Checkpoint. MCF-Kategorien nutzen Accuracy, Generation nutzt ROUGE-L. Die Quelle nennt keine Stichprobengröße je Modell.
- Einordnung
- Die Quelle druckt 84.19±0.29, definiert die Unsicherheit jedoch nicht. Es wird kein Konfidenzintervall abgeleitet.
FILBENCH: Reading Comprehension (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 60.95
- Bewertung
- 60.95
- Messgröße
- Reading Comprehension accuracy
- Einheit
- %
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- FilBench: Can LLMs Understand and Generate Filipino? (EMNLP 2025)
- Status
- active
- Abrufdatum
- 2026-10-20
- Methodik
- Unabhängige Evaluation. Tabellenwert aus Tabelle 8 für den exakt gelisteten Checkpoint. MCF-Kategorien nutzen Accuracy, Generation nutzt ROUGE-L. Die Quelle nennt keine Stichprobengröße je Modell.
- Einordnung
- Die Quelle druckt 60.95±0.19, definiert die Unsicherheit jedoch nicht. Es wird kein Konfidenzintervall abgeleitet.
Seite 1 von 5
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Mixtral 8x7BGPT OSS 20B 41Aya Expanse 8B 40DeepSeek-V3.2 Exp 40Gemma 3n E2B IT 40
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Mixtral 8x7B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Codestral-22B-v0.1Mistral AI · gleicher Anbieter
- Codestral (latest)Mistral AI · gleicher Anbieter
- Mixtral 8x22BMistral AI · gleicher Anbieter
- Mistral Large 2407Mistral AI · gleicher Anbieter
- Pixtral 12BMistral AI · gleicher Anbieter
- Mistral 7B v0.3Mistral AI · gleicher Anbieter
- Yi-34B01.AI · ähnliche Größe
- DeepSeek LLM 67BDeepSeek · ähnliche Größe
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Mixtral 8x7B
Wie groß ist das Kontextfenster von Mixtral 8x7B?
32.768 Token. So viel Text liest Mixtral 8x7B auf einmal, das sind rund 50 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Mixtral 8x7BPlatz 103 von 10333 Tsd.
Kann ich Mixtral 8x7B lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Mistral AI
- Offene Gewichte
- ja
- Lizenz
- Apache 2.0
- Parameter
- 46,7 Mrd.
- davon aktiv je Token
- 12,9 Mrd.
Quellen und Datenstand
Alle 23 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| LMArena | 0 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. |
| Ausgabe | Dokumentierte Modalitäten. |
| Recherchestand | Recherchestand 15. Oktober 2026. 16 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | checkpoint-revision Hinweis Open LLM Leaderboard nennt exaktes Modell-Repository und Modell, lässt aber den Modell-Commit-SHA aus. Der historische Wert ist keine Wiederholung eines unveränderlichen Checkpoints. |
| Nicht veröffentlicht | immutable-bedrock-model-id-and-serving-revision Originalwortlaut The paper names Mixtral 8x7B Instruct on AWS Bedrock but does not disclose the Bedrock model ID or immutable serving revision. |
| Nicht veröffentlicht | reasoning-effort-quantization-and-decoding-settings Originalwortlaut Reasoning effort, quantization, temperature, and other decoding settings are not published. |
| Ungeklärt | table4-precision-recall-f1-aggregation Originalwortlaut The method says both micro and macro metrics were computed but Table 4 does not identify which aggregation is shown for Precision, Recall, and F1. |
| Nicht veröffentlicht | confidence-intervals Originalwortlaut No confidence intervals are reported. |
| Weitere Quelle | Open LLM Leaderboard v1 evaluation result snapshot (abgerufen 15. Oktober 2026) |
| Weitere Quelle | TIGER-Lab official MMLU-Pro leaderboard results.csv (abgerufen 15. Oktober 2026) |
| Weitere Quelle | Analysis of LLM Performance on AWS Bedrock: Receipt-item Categorisation Case Study (Sanchez et al., 2026) (abgerufen 17. Oktober 2026) |
| Weitere Quelle | LongHealth: A Question Answering Benchmark with Long Clinical Documents (abgerufen 17. Oktober 2026) |
| Weitere Quelle | TALES, UC San Diego, Microsoft Research Montréal and Johns Hopkins University (abgerufen 17. Oktober 2026) |
| Weitere Quelle | EvaLooop paper, arXiv:2505.12185v5 (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Open LLM Leaderboard evaluation dataset card (abgerufen 19. Oktober 2026) |
| Weitere Quelle | FilBench: Can LLMs Understand and Generate Filipino? (EMNLP 2025) (abgerufen 20. Oktober 2026) |
| Weitere Quelle | Arena Text leaderboard (abgerufen 24. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 15. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 19. Oktober 2026) |
| Weitere Quelle | Mixtral 8x7B announcement · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Mistral model overview · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |