Mistral AISprachmodell
Mistral Large 2.1
Für Mistral Large 2.1 gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 482 von 785
32von 100+4 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Mistral Large 2.1 ist der Ende 2024 veröffentlichte 123B-Textcheckpoint mit 131.000 Token Kontext und Funktionsaufrufen. Die Modellkarte beschreibt anspruchsvolle Text- und Codingaufgaben, aber keine multimodale Eingabe.
Mistral veröffentlichte Large 2.1 unter der Mistral-Research-Lizenz für Forschung und Bildung. Für kommerzielle Nutzung ist eine separate kommerzielle Lizenz vorgesehen.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 99 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 9
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
AIME: AIME 2024 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 11.667
- Bewertung
- 11.667
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- math
- Aufgabe
- aime_2024
- Aufgabenbezeichnung
- AIME 2024
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Temperatur: 0.7. Latenz in Sekunden: 21.843. Standardfehler: 0.891. Kosten je Aufgabe in USD: 0.006976. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-aime-2026-11-07-0502ac25fa12. Prüfsumme der Quelldaten: 0502ac25fa12a66995187469cc5df841cb64b0f0a80a53a3cf2993c3a7bd1ab8. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-aime:1:aime_2024
- Vergleichsmethodik
- Temperatur: 0.7
- Einordnung
- Der Benchmark wird als archivierte Evidenz geführt. Der Wert bleibt als Historie sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.
AIME: AIME 2025 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 6.667
- Bewertung
- 6.667
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- math
- Aufgabe
- aime_2025
- Aufgabenbezeichnung
- AIME 2025
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Temperatur: 0.7. Latenz in Sekunden: 17.509. Standardfehler: 1.992. Kosten je Aufgabe in USD: 0.0057. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-aime-2026-11-07-0502ac25fa12. Prüfsumme der Quelldaten: 0502ac25fa12a66995187469cc5df841cb64b0f0a80a53a3cf2993c3a7bd1ab8. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-aime:1:aime_2025
- Vergleichsmethodik
- Temperatur: 0.7
- Einordnung
- Der Benchmark wird als archivierte Evidenz geführt. Der Wert bleibt als Historie sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.
AIME: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 9.167
- Bewertung
- 9.167
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- math
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-04-16. Temperatur: 0.7. Latenz in Sekunden: 19.676. Standardfehler: 1.091. Kosten je Aufgabe in USD: 0.006338. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-aime-2026-11-07-0502ac25fa12. Prüfsumme der Quelldaten: 0502ac25fa12a66995187469cc5df841cb64b0f0a80a53a3cf2993c3a7bd1ab8. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-aime:1:overall
- Vergleichsmethodik
- Temperatur: 0.7
- Einordnung
- Der Benchmark wird als archivierte Evidenz geführt. Der Wert bleibt als Historie sichtbar und ist nicht mit einer aktiven Rangliste gleichzusetzen.
GPQA Diamond: Few-Shot CoT (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 46.97
- Bewertung
- 46.97
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- reasoning
- Aufgabe
- diamond_few_shot_cot
- Aufgabenbezeichnung
- Few-Shot CoT
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 16.517. Standardfehler: 3.547. Kosten je Aufgabe in USD: 0.008783. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-10-16-951eb5224097. Prüfsumme der Quelldaten: 951eb5224097733a9d09d06c14908ae2980e2e640e539f2c284877c5092d7077. Parserversion: vals-astro-v3. Importiert am: 2026-10-16. Quellenkohorte: vals-gpqa:1:diamond_few_shot_cot
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
- Einordnung
- Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
GPQA Diamond: Few-Shot CoT (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 46.97
- Bewertung
- 46.97
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- reasoning
- Aufgabe
- diamond_few_shot_cot
- Aufgabenbezeichnung
- Few-Shot CoT
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 16.517. Standardfehler: 3.547. Kosten je Aufgabe in USD: 0.008783. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-11-07-8b1d0db37550. Prüfsumme der Quelldaten: 8b1d0db37550866d95b3f13c61381794328a046b6cf4d0fcaee3823d84421d9a. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-gpqa:1:diamond_few_shot_cot
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
GPQA Diamond: Zero-Shot CoT (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 48.485
- Bewertung
- 48.485
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- reasoning
- Aufgabe
- diamond_zero_shot_cot
- Aufgabenbezeichnung
- Zero-Shot CoT
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 15.087. Standardfehler: 3.523. Kosten je Aufgabe in USD: 0.004644. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-10-16-951eb5224097. Prüfsumme der Quelldaten: 951eb5224097733a9d09d06c14908ae2980e2e640e539f2c284877c5092d7077. Parserversion: vals-astro-v3. Importiert am: 2026-10-16. Quellenkohorte: vals-gpqa:1:diamond_zero_shot_cot
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
- Einordnung
- Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
GPQA Diamond: Zero-Shot CoT (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 48.485
- Bewertung
- 48.485
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- reasoning
- Aufgabe
- diamond_zero_shot_cot
- Aufgabenbezeichnung
- Zero-Shot CoT
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 15.087. Standardfehler: 3.523. Kosten je Aufgabe in USD: 0.004644. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-11-07-8b1d0db37550. Prüfsumme der Quelldaten: 8b1d0db37550866d95b3f13c61381794328a046b6cf4d0fcaee3823d84421d9a. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-gpqa:1:diamond_zero_shot_cot
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 47.728
- Bewertung
- 47.728
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 15.802. Standardfehler: 2.5. Kosten je Aufgabe in USD: 0.006714. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-10-16-951eb5224097. Prüfsumme der Quelldaten: 951eb5224097733a9d09d06c14908ae2980e2e640e539f2c284877c5092d7077. Parserversion: vals-astro-v3. Importiert am: 2026-10-16. Quellenkohorte: vals-gpqa:1:overall
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
- Einordnung
- Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
GPQA Diamond: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 47.728
- Bewertung
- 47.728
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 15.802. Standardfehler: 2.5. Kosten je Aufgabe in USD: 0.006714. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-gpqa-2026-11-07-8b1d0db37550. Prüfsumme der Quelldaten: 8b1d0db37550866d95b3f13c61381794328a046b6cf4d0fcaee3823d84421d9a. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-gpqa:1:overall
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
LiveCodeBench: Easy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 81.677
- Bewertung
- 81.677
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- coding
- Aufgabe
- easy
- Aufgabenbezeichnung
- Easy
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 3.616. Standardfehler: 2.156. Kosten je Aufgabe in USD: 0.002239. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-10-16-1a7c7dabc9d9. Prüfsumme der Quelldaten: 1a7c7dabc9d95a0182886b1edc42623987cac2095a0d407a5e334f37acdfa2f5. Parserversion: vals-astro-v3. Importiert am: 2026-10-16. Quellenkohorte: vals-lcb:1:easy
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
- Einordnung
- Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
LiveCodeBench: Easy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 81.677
- Bewertung
- 81.677
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- coding
- Aufgabe
- easy
- Aufgabenbezeichnung
- Easy
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 3.616. Standardfehler: 2.156. Kosten je Aufgabe in USD: 0.002239. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-11-07-281f362d312b. Prüfsumme der Quelldaten: 281f362d312b111e67659f4a8fa3a5bebbae36153db0f3750069e57f71536250. Parserversion: vals-astro-v4. Importiert am: 2026-11-07. Quellenkohorte: vals-lcb:1:easy
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
LiveCodeBench: Hard (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4
- Bewertung
- 4
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- coding
- Aufgabe
- hard
- Aufgabenbezeichnung
- Hard
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Kennung des Quellmodells: mistralai/mistral-large-2411. Name des Quellmodells: Mistral Large 2.1. Anbieter laut Quelle: Mistral AI. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-01. Temperatur: 0.7. Maximale Ausgabetoken: 256000. Latenz in Sekunden: 6.776. Standardfehler: 1.047. Kosten je Aufgabe in USD: 0.004168. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-lcb-2026-10-16-1a7c7dabc9d9. Prüfsumme der Quelldaten: 1a7c7dabc9d95a0182886b1edc42623987cac2095a0d407a5e334f37acdfa2f5. Parserversion: vals-astro-v3. Importiert am: 2026-10-16. Quellenkohorte: vals-lcb:1:hard
- Vergleichsmethodik
- Temperatur: 0.7. Maximale Ausgabetoken: 256000
- Einordnung
- Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
Seite 1 von 9
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
Mistral Large 2.1Amazon Nova Lite 32KAT-Coder-Pro V2.5 32ZwZ2-27B 32Granite Code 34B 32
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 Mistral Large 2.1, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Pixtral Large (latest)Mistral AI · gleicher Anbieter
- Mistral Large 2407Mistral AI · gleicher Anbieter
- Devstral 2Mistral AI · gleicher Anbieter
- Mistral Small 4Mistral AI · gleicher Anbieter
- Magistral SmallMistral AI · gleicher Anbieter
- Devstral SmallMistral AI · gleicher Anbieter
- Voxtral Small 24BMistral AI · gleicher Anbieter
- Codestral-22B-v0.1Mistral AI · gleicher Anbieter
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 Mistral Large 2.1
Bis wann reicht das Wissen von Mistral Large 2.1?
Bis November 2024, laut Mistral AI. Das ist der Monat der Veröffentlichung.
Angabe von Mistral AI
Nov.WissensstandNovember 2024Veröffentlicht18.11.2024
Wie groß ist das Kontextfenster von Mistral Large 2.1?
131.072 Token. So viel Text liest Mistral Large 2.1 auf einmal, das sind rund 200 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
Mistral Large 2.1Platz 94 von 103131 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Kann ich Mistral Large 2.1 lokal nutzen?
Ja, die Gewichte sind offen. Mit 123 Mrd. Parametern braucht es aber sehr viel Speicher, eher einen Server als einen Laptop.
Angaben von Mistral AI
- Offene Gewichte
- ja
- Lizenz
- Mistral Research License
- Parameter
- 123 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 25 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.