Mistral AISprachmodell

Mistral Small 3.1 24B

Für Mistral Small 3.1 24B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen. Aus den Herstellerangaben schätzen wir rund 35,4 Punkte (95-%-Bereich 15,8 bis 55,0). Das ist keine unabhängige Messung.

BeliebtheitPlatz 613 von 875

16von 100wie im Vormonat

Zusammenfassung

Mistral Small 3.1 24B ist der datierte Instruct-Checkpoint aus März 2025. Das multimodale Modell verarbeitet Text und Bilder mit 128.000 Token Kontext, unterstützt Funktionsaufrufe und steht unter Apache 2.0.

Der Familieneintrag Mistral Small 3.1 führt dieselbe Veröffentlichung.

Selbst ansehen: ein Auftrag, ein Versuch

Gezeigt wird der neueste Versuch ohne Nachbesserung; er zählt nicht zum Gesamtindex.

Ausgabe aus Sicherheitsgründen nicht dargestellt

Pelikan auf dem Fahrrad

Auftrag (englisches Original)

Generate an SVG of a pelican riding a bicycle

02.10.2026 · 191 s · 0,0046 $

Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.

Testdetails

Datum des Testlaufs: 02.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: mistralai/mistral-small-3.1-24b-instruct
Reasoning-Einstellung: nicht vorgegeben
Tokenlimit inklusive Reasoning: 8.192 Token
Ausgabe-Token: 8.192 Token
Kosten des Versuchs: 0,0046 $
Antwortzeit: 191,5 s
API-Modell laut Antwort: mistralai/mistral-small-3.1-24b-instruct
Festgelegter Endpunkt: Cloudflare | mistralai/mistral-small-3.1-24b-instruct-2503
Temperatur: Anbieterstandard
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Nicht bestanden

Ursprung der Aufgabe: Simon Willison

SVG-Kurztest

Ein SVG-Auftrag mit denselben festen Einstellungen für alle Modelle, ohne verdecktes Nachdenken.

Mistral Small 3.1 24B

Kein unabhängiger Test. Dieser API-Zugang ist ein Alias von mistral-small-3.1.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 43 veröffentlichten Benchmark-Werte anzeigen

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

MMLU (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 80.62
Bewertung: 80.62
Messgröße: score as published
Einheit: %
Kategorie: knowledge
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Instruction Evals“; die Modellkarte nennt für MMLU keine Zahl der Beispiele.

Quelle Mistral AI Mistral Small 3.1 model card

MMLU-Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 66.76
Bewertung: 66.76
Messgröße: 5-shot CoT
Einheit: %
Kategorie: knowledge
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct; die Spalte nennt ausdrücklich CoT mit 5 Beispielen (5-shot).

Quelle Mistral AI Mistral Small 3.1 model card

MATH (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 69.3
Bewertung: 69.3
Messgröße: score as published
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Instruction Evals“; das Aufgaben-Setup für diese Spalte ist nicht angegeben.

Quelle Mistral AI Mistral Small 3.1 model card

GPQA Main (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 44.42
Bewertung: 44.42
Messgröße: 5-shot CoT
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct; die Spalte nennt ausdrücklich CoT mit 5 Beispielen (5-shot).

Quelle Mistral AI Mistral Small 3.1 model card

GPQA Diamond (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 45.96
Bewertung: 45.96
Messgröße: 5-shot CoT
Einheit: %
Kategorie: reasoning
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct; die Spalte nennt ausdrücklich CoT mit 5 Beispielen (5-shot).

Quelle Mistral AI Mistral Small 3.1 model card

MBPP (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 74.71
Bewertung: 74.71
Messgröße: score as published
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Instruction Evals“; das Aufgaben-Setup für diese Spalte ist nicht angegeben.

Quelle Mistral AI Mistral Small 3.1 model card

HumanEval (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 88.41
Bewertung: 88.41
Messgröße: score as published
Einheit: %
Kategorie: coding
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Instruction Evals“; das Aufgaben-Setup für diese Spalte ist nicht angegeben.

Quelle Mistral AI Mistral Small 3.1 model card

SimpleQA (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 10.43
Bewertung: 10.43
Messgröße: TotalAcc
Einheit: %
Kategorie: knowledge
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct; die Tabelle bezeichnet diese Metrik als TotalAcc.

Quelle Mistral AI Mistral Small 3.1 model card

MMMU (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 64
Bewertung: 64
Messgröße: score as published
Einheit: %
Kategorie: vision
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Vision Evals“; die Modellkarte nennt keine zusätzlichen Prompt-Einstellungen.

Quelle Mistral AI Mistral Small 3.1 model card

MMMU Pro (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 49.25
Bewertung: 49.25
Messgröße: score as published
Einheit: %
Kategorie: vision
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Vision Evals“; die Modellkarte nennt keine zusätzlichen Prompt-Einstellungen.

Quelle Mistral AI Mistral Small 3.1 model card

MathVista (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 68.91
Bewertung: 68.91
Messgröße: score as published
Einheit: %
Kategorie: vision
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Vision Evals“; die Modellkarte nennt keine zusätzlichen Prompt-Einstellungen.

Quelle Mistral AI Mistral Small 3.1 model card

LongBench v2 (Messwert, Testbedingungen und Quelle anzeigen)

Originalwert: 37.18
Bewertung: 37.18
Messgröße: score as published
Einheit: %
Kategorie: long-context
Richtung: Mehr ist besser
Quellentyp: vendor-reported
Auswertung: Mistral AI Mistral Small 3.1 model card
Status: active
Abrufdatum: 2026-10-15
Methodik: Vom Anbieter veröffentlichter Wert. Exakte Zeile für Small 3.1 24B Instruct unter „Long Context Evals“; die Modellkarte nennt weder das Kontext-Setup noch Prompt-Details.

Quelle Mistral AI Mistral Small 3.1 model card

Seite 1 von 4

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

GPT-573

DeepSeek V4.1 Flash 101768

Kimi K368

DiffusionGemma 26B A4B IT63

Claude Opus 562

Qwen 3.8 Flash62

Mistral Small 3.1 24B16

DeepSeek V4.1 Flash 1017

DiffusionGemma 26B A4B IT

Claude Opus 5

Qwen 3.8 Flash

Mistral Small 3.1 24B

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 5. November 2026

Mistral Small 3.1 24BJamba LargeJamba Large 1.7Sonar ProMiMo V2.6 Pro

Alle technischen Daten

Architektur

Parameter: 24 Mrd.; Quelle: Parameter
Knowledge Cutoff: Juni 2024; Quelle: Knowledge Cutoff

Ein- und Ausgabe

Kontextfenster: 128.000 Token; Quelle: Kontextfenster
Maximale Ausgabe: 16.384 Token; Quelle: Maximale Ausgabe
Eingaben: Text, Bild; Quelle: Eingaben
Ausgaben: Text; Quelle: Ausgaben
Tool-Aufrufe: Ja; Quelle: Tool-Aufrufe

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
Watermarking-Technik: Nicht bekannt; ohne Quelle

Lizenz und Zugang

Gewichte: Open Weights; Quelle: Gewichte
Zugang: API; Quelle: Zugang
Lizenz: Apache 2.0; Quelle: Lizenz

Preise

In keinem Abo in Deutschland enthalten.

Alle Tarife im KI-Abo-Vergleich

Häufige Fragen zu Mistral Small 3.1 24B

Wie gut ist Mistral Small 3.1 24B in Benchmarks?

Unabhängige Ergebnisse reichen noch nicht für den Gesamtindex. Eine Schätzung aus 4 Herstellerangaben (GPQA Diamond 46 %, MMLU-Pro 66,8 %, MMMU-Pro 49,3 %, MMMU (Validierung) 64 %) ergibt rund 35,4 Punkte, mit einem 95-%-Bereich von 15,8 bis 55,0. Die Schätzung ist an Modellen geeicht, für die es sowohl Herstellerangaben als auch unabhängige Messungen gibt. Herstellerangaben liegen bei einigen Tests deutlich über unabhängigen Messungen; die Eichung gleicht das im Mittel aus.

Herstellerschätzung, kein Wert des Gesamtindex

Bis wann reicht das Wissen von Mistral Small 3.1 24B?

Bis Juni 2024, laut Mistral AI. Das ist 9 Monate vor der Veröffentlichung.

Angabe von Mistral AI

JuniAug.Okt.Dez.Feb.WissensstandJuni 2024Veröffentlicht17.03.2025

Wie groß ist das Kontextfenster von Mistral Small 3.1 24B?

128.000 Token. So viel Text liest Mistral Small 3.1 24B auf einmal, das sind rund 190 A4-Seiten.

Seitenzahl als Faustregel nach Artificial Analysis

KontextfensterToken, die das Modell auf einmal liest · höher ist besser

GLM-5.1200 Tsd.

DeepSeek-V3 0324164 Tsd.

GLM-4.5131 Tsd.

GPT OSS 120B131 Tsd.

Mistral Small 3.1 24BPlatz 97 von 102128 Tsd.

DeepSeek-V3.2128 Tsd.

DeepSeek-R1128 Tsd.

Kann ich Mistral Small 3.1 24B lokal nutzen?

Ja, die Gewichte sind offen.

Angaben von Mistral AI

Offene Gewichte: ja
Lizenz: Apache 2.0
Parameter: 24 Mrd.
davon aktiv je Token: k. A.

Quellen und Datenstand

Alle 15 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

Art	Nachweis und Datenstand
Eingabe	Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. Quelle: models.dev catalog · models.dev catalog (abgerufen 27. Oktober 2026)
Ausgabe	Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. Quelle: models.dev catalog · models.dev catalog (abgerufen 27. Oktober 2026)
Recherchestand	Recherchestand 15. Oktober 2026. 6 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht	benchmark-run-details Hinweis Die Modellkarte enthält exakte Aufgabenzeilen und einzelne Angaben zur Zahl der Beispiele, aber keine Aufgabendaten, die meisten Details zu Eingabeaufforderungen oder Inferenzbudgets des Modells.
Weitere Quelle	Hugging Face (abgerufen 15. Oktober 2026; 19. Oktober 2026) · Mistral Small 3.1 model card · Redaktionelle Beschreibung geprüft am 2. 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 17. Oktober 2026; 18. Oktober 2026)
Weitere Quelle	LongTableBench, Findings of the Association for Computational Linguistics: EMNLP 2025 (abgerufen 18. Oktober 2026)
Weitere Quelle	Wu et al., Why Chain of Thought Fails in Clinical Text Understanding (abgerufen 22. Oktober 2026)
Weitere Quelle	Modellmetadaten (abgerufen 17. Oktober 2026)
Weitere Quelle	Mistral Small 3.1 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