Direktvergleich

Claude Fable 5.1 vs. Mistral Large 3

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 81
verschiedene Benchmarks: 11
jüngster Abruf: 15.10.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Claude Fable 5.1 und Mistral Large 3
Merkmal	Claude Fable 5.1	Mistral Large 3
Anbieter	Anthropic	Mistral AI
Erschienen	1. Sept. 2026	2. Dez. 2025
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	675 Mrd., 41 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	1.000.000 Token	262.144 Token
Wissensstand	Juni 2026	Nicht veröffentlicht
Technische Quellen	Modell	Modell, Kontext

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Claude Fable 5.1 und Mistral Large 3
Preisart	Claude Fable 5.1	Mistral Large 3
API-Eingabe	10 $	0,5 $
API-Ausgabe	50 $	1,5 $
Cache lesen	0,25 $	Nicht ausgewiesen
Cache schreiben (5 Min.)	12,5 $	Nicht ausgewiesen
Cache schreiben (1 Std.)	20 $	Nicht ausgewiesen
Preis geprüft	22.09.2026 Quelle	22.09.2026 Quelle

Claude Fable 5.1Mistral Large 3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Claude Fable 5.110 $

Mistral Large 30,5 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Claude Fable 5.150 $

Mistral Large 31,5 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Claude Fable 5.1 und Mistral Large 3
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Claude Fable 5.1	Anthropic	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle22.09.2026
	Amazon Bedrock	Über OpenRouteramazon-bedrock	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle17.10.2026
	Anthropic	Über OpenRouteranthropic	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle17.10.2026
	Azure	Über OpenRouterazure	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle17.10.2026
	Google	Über OpenRoutergoogle-vertex/global	Günstigster erfasster Preis: 10 $	Günstigster erfasster Preis: 50 $	Quelle17.10.2026
Mistral Large 3	Mistral AI	Direkt beim EntwicklerStandard-API	Günstigster erfasster Preis: 0,5 $	Günstigster erfasster Preis: 1,5 $	Quelle22.09.2026
	Mistral	Über OpenRoutermistral/eu	0,55 $	1,65 $	Quelle17.10.2026
	Mistral	Über OpenRoutermistral/zdr	Günstigster erfasster Preis: 0,5 $	Günstigster erfasster Preis: 1,5 $	Quelle17.10.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Nicht genug direkt vergleichbare Kategorien für ein belastbares Radar

Nur 0 von mindestens 5 Kategorien enthalten direkt vergleichbare Modellmessungen. Die Benchmarktabellen darunter zeigen die vorhandenen Belege, ohne fehlende Achsen aufzufüllen.

Claude Fable 5.1Mistral Large 3

GPQA DiamondOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.193,434 %

Mistral Large 368,434 %

LegalBenchOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.188,511 %

Mistral Large 379,138 %

LiveCodeBench v6Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.190,515 %

Mistral Large 355,337 %

LMArena Code Arena WebDevOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.11.742,652

Mistral Large 31.230,205

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.11.500,568

Mistral Large 31.414,136

LMArena Vision, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.11.286,407

Mistral Large 31.199,757

MMLU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.192,375 %

Mistral Large 379,823 %

MMMU-ProOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.190,636 %

Mistral Large 366,185 %

MortgageTaxOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.170,786 %

Mistral Large 352,106 %

SAGEOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.148,526 %

Mistral Large 324,595 %

TaxEval v2Overall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.175,961 %

Mistral Large 373,058 %

GPQA DiamondFew-Shot CoT. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Claude Fable 5.192,929 %

Mistral Large 364,141 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Claude Fable 5.1 und Mistral Large 3
Benchmark und Aufgabe	Claude Fable 5.1	Mistral Large 3	Quelle
GPQA DiamondOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert93,434 %	68,434 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert88,511 %	79,138 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert90,515 %	55,337 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Code Arena WebDev Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Code Arena WebDevClaude Fable 5.1: Arena-Bewertung aus 7.230 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 839 veröffentlichten Paarvergleichen.	Höherer Messwert1.742,652 95-%-Konfidenzintervall: ±9,147Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.230,205 95-%-Konfidenzintervall: ±25,485Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 14.121 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 83.498 veröffentlichten Paarvergleichen.	Höherer Messwert1.500,568 95-%-Konfidenzintervall: ±6,106Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.414,136 95-%-Konfidenzintervall: ±2,865Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 4.648 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 8.643 veröffentlichten Paarvergleichen.	Höherer Messwert1.286,407 95-%-Konfidenzintervall: ±9,66Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.199,757 95-%-Konfidenzintervall: ±7,981Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert92,375 %	79,823 %	Vals AI Quellendetails Datenstand: 01.09.2026
MMMU-ProOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert90,636 %	66,185 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert70,786 %	52,106 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Large 3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert48,526 %	24,595 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Overall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert75,961 %	73,058 %	Vals AI Quellendetails Datenstand: 01.09.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert92,929 %	64,141 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert92,511 %	81,032 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert99,068 %	95,342 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevImage to webdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Code Arena WebDev Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Code Arena WebDevClaude Fable 5.1: Arena-Bewertung aus 2.470 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 1.413 veröffentlichten Paarvergleichen.	Höherer Messwert1.719,751 95-%-Konfidenzintervall: ±13,642Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.361,78 95-%-Konfidenzintervall: ±17,387Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 2.589 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 15.540 veröffentlichten Paarvergleichen.	Höherer Messwert1.485,231 95-%-Konfidenzintervall: ±11,847Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.409,853 95-%-Konfidenzintervall: ±5,362Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 260 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 540 veröffentlichten Paarvergleichen.	Höherer Messwert1.340,8 95-%-Konfidenzintervall: ±36,169Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.211,728 95-%-Konfidenzintervall: ±27,072Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert96,095 %	88,563 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert77,583 %	50 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Large 3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert34,524 %	11,905 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert64,105 %	61,57 %	Vals AI Quellendetails Datenstand: 01.09.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert93,939 %	72,727 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert86,902 %	76,594 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert80,571 %	17,143 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevWebdev Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Code Arena WebDev Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Code Arena WebDevClaude Fable 5.1: Arena-Bewertung aus 7.230 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 839 veröffentlichten Paarvergleichen.	Höherer Messwert1.742,652 95-%-Konfidenzintervall: ±9,147Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.230,205 95-%-Konfidenzintervall: ±25,485Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 1.069 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 6.341 veröffentlichten Paarvergleichen.	Höherer Messwert1.567,304 95-%-Konfidenzintervall: ±18,995Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.432,609 95-%-Konfidenzintervall: ±7,919Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlCreative writing vision Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 476 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 807 veröffentlichten Paarvergleichen.	Höherer Messwert1.289,586 95-%-Konfidenzintervall: ±29,623Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.196,146 95-%-Konfidenzintervall: ±22,467Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert95,184 %	84,664 %	Vals AI Quellendetails Datenstand: 01.09.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert63,99 %	54,213 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Large 3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert83,642 %	0 %	Vals AI Quellendetails Datenstand: 08.10.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert87,817 %	84,546 %	Vals AI Quellendetails Datenstand: 01.09.2026
LegalBenchIssue Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert92,72 %	81,006 %	Vals AI Quellendetails Datenstand: 13.10.2026
LiveCodeBench v6Medium Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert91,906 %	53,525 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Code Arena WebDevWebdev-html Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: webdevMessgröße: WebDev Arena Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Code Arena WebDev Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Code Arena WebDevClaude Fable 5.1: Arena-Bewertung aus 855 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 839 veröffentlichten Paarvergleichen.	Höherer Messwert1.690,402 95-%-Konfidenzintervall: ±23,795Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.238,427 95-%-Konfidenzintervall: ±26,132Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCoding Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 2.816 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 21.009 veröffentlichten Paarvergleichen.	Höherer Messwert1.535,255 95-%-Konfidenzintervall: ±11,537Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.470,833 95-%-Konfidenzintervall: ±4,783Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlDiagram Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 1.100 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 2.169 veröffentlichten Paarvergleichen.	Höherer Messwert1.326,379 95-%-Konfidenzintervall: ±18,282Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.235,106 95-%-Konfidenzintervall: ±13,517Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProChemistry Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert93,816 %	84,982 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGELinear Algebra Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Large 3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert71,371 %	44,419 %	Vals AI Quellendetails Datenstand: 08.10.2026
LegalBenchRhetoric Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert82,295 %	77,926 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlCreative writing Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 3.200 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 14.972 veröffentlichten Paarvergleichen.	Höherer Messwert1.483,901 95-%-Konfidenzintervall: ±11,553Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.373,958 95-%-Konfidenzintervall: ±5,611Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 1.686 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 2.983 veröffentlichten Paarvergleichen.	Höherer Messwert1.277,583 95-%-Konfidenzintervall: ±15,139Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.210,278 95-%-Konfidenzintervall: ±12,173Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProComputer Science Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert94,878 %	83,171 %	Vals AI Quellendetails Datenstand: 01.09.2026
SAGEPartial Differential Equations Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 30.000 tokens Mistral Large 3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	Höherer Messwert39,683 %	17,46 %	Vals AI Quellendetails Datenstand: 08.10.2026
LegalBenchRule Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert88,125 %	79,13 %	Vals AI Quellendetails Datenstand: 13.10.2026
LMArena Text, Style ControlEnglish Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 5.753 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 34.656 veröffentlichten Paarvergleichen.	Höherer Messwert1.496,791 95-%-Konfidenzintervall: ±8,329Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.426,99 95-%-Konfidenzintervall: ±3,961Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlHomework Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 690 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 891 veröffentlichten Paarvergleichen.	Höherer Messwert1.335,022 95-%-Konfidenzintervall: ±22,506Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.211,931 95-%-Konfidenzintervall: ±20,61Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProEconomics Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert95,142 %	85,782 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlEntertainment, sports and media Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 3.559 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 18.448 veröffentlichten Paarvergleichen.	Höherer Messwert1.475,342 95-%-Konfidenzintervall: ±10,833Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.372,089 95-%-Konfidenzintervall: ±5,132Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlHumor Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 193 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 427 veröffentlichten Paarvergleichen.	Höherer Messwert1.280,538 95-%-Konfidenzintervall: ±42,439Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.187,198 95-%-Konfidenzintervall: ±29,507Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProEngineering Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert90,815 %	74,923 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExcluding ties Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 10.459 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 61.071 veröffentlichten Paarvergleichen.	Höherer Messwert1.518,19 95-%-Konfidenzintervall: ±8,066Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.401,523 95-%-Konfidenzintervall: ±3,976Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
LMArena Vision, Style ControlOcr Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Vision, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Vision, style controlClaude Fable 5.1: Arena-Bewertung aus 3.190 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 5.778 veröffentlichten Paarvergleichen.	Höherer Messwert1.302,401 95-%-Konfidenzintervall: ±10,866Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.215,499 95-%-Konfidenzintervall: ±8,709Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 09.10.2026
MMLU-ProHealth Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert86,675 %	77,262 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlExpert prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 1.222 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 7.976 veröffentlichten Paarvergleichen.	Höherer Messwert1.523,697 95-%-Konfidenzintervall: ±17,383Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.427,286 95-%-Konfidenzintervall: ±7,215Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MMLU-ProHistory Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert85,302 %	70,866 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlFrench Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 476 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 2.379 veröffentlichten Paarvergleichen.	Höherer Messwert1.517,688 95-%-Konfidenzintervall: ±29,031Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.432,543 95-%-Konfidenzintervall: ±13,786Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MMLU-ProLaw Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert87,466 %	56,403 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlGerman Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 268 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 1.359 veröffentlichten Paarvergleichen.	Höherer Messwert1.484,511 95-%-Konfidenzintervall: ±35,581Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.407,953 95-%-Konfidenzintervall: ±17,201Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MMLU-ProMath Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert97,335 %	88,379 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 8.244 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 50.980 veröffentlichten Paarvergleichen.	Höherer Messwert1.520,197 95-%-Konfidenzintervall: ±7,328Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.432,155 95-%-Konfidenzintervall: ±3,56Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MMLU-ProOthers Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert89,935 %	79,221 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlHard prompts, English Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 3.345 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 21.186 veröffentlichten Paarvergleichen.	Höherer Messwert1.516,447 95-%-Konfidenzintervall: ±10,669Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.439,589 95-%-Konfidenzintervall: ±4,785Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
MMLU-ProPhilosophy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserClaude Fable 5.1: Compute: max, Temperatur: 1, Ausgabegrenze: 128.000 tokens Mistral Large 3: Temperatur: 0.065, Ausgabegrenze: 256.000 tokens	Höherer Messwert90,18 %	76,353 %	Vals AI Quellendetails Datenstand: 01.09.2026
LMArena Text, Style ControlInstruction following Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserClaude Fable 5.1: Snapshot: claude-fable-5.1-max, Reasoning: max, Harness: Arena Text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena Text, style controlClaude Fable 5.1: Arena-Bewertung aus 4.222 veröffentlichten Paarvergleichen.Mistral Large 3: Arena-Bewertung aus 26.939 veröffentlichten Paarvergleichen.	Höherer Messwert1.496,708 95-%-Konfidenzintervall: ±9,807Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	1.401,72 95-%-Konfidenzintervall: ±4,374Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall, Arena-Bereich und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 13.10.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Eigene Modelltests

Unsere Tests

SVG-Kurztest

Ein SVG-Prompt, feste Ausgabeparameter. Aufnahmen erscheinen nur bei gemeldeten 0 Reasoning-Tokens oder dokumentiert fehlender Reasoning-Steuerung. Gleiche Testbedingungen machen die interne Rechenleistung der Modelle nicht identisch.

Gemeinsame Testrunde: 4ae5d8eeb9a9

Claude Fable 5.1

In dieser Runde nicht verfügbar

Mistral Large 3

API-Anfrage fehlgeschlagen. Das Modell wurde nicht bewertet.

Frühere Tests

Pelikan auf dem Fahrrad

Community-Klassiker für eine freie SVG-Zeichnung.

Claude Fable 5.1

Reasoning (angefragt): high

Aktueller Versuch

Datum des Testlaufs: 07.09.2026
API-Anbieter: openrouter
Angefragtes API-Modell: anthropic/claude-fable-5.1
API-Modell laut Antwort: anthropic/claude-fable-5.1
Reasoning-Einstellung: high
Festgelegter Endpunkt: Anthropic | anthropic/claude-fable-5.1-20260831
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 27 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Mistral Large 3

Reasoning (Modellstandard): kein Reasoning-Modus Quelle

Aktueller Versuch

Datum des Testlaufs: 01.10.2026
API-Anbieter: openrouter
Angefragtes API-Modell: mistralai/mistral-large-2512
API-Modell laut Antwort: mistralai/mistral-large-2512
Reasoning-Einstellung: nicht vorgegeben
Festgelegter Endpunkt: Mistral | mistralai/mistral-large-2512
Temperatur: Anbieterstandard
Tokenlimit inklusive Reasoning: 8.192 Token
Testprotokoll: community-visual-tests-v1
Technische Prüfung: Bestanden, keine Qualitätsbewertung
Antwortzeit: 14,2 s

Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.

Frühere Versuche (1)

07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: nicht vorgegeben

Prompt und Testbedingungen

Generate an SVG of a pelican riding a bicycle

Tokenlimit inklusive Reasoning: 8.192 Token

Ursprung der Aufgabe (Simon Willison)

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Claude Fable 5.1 und Mistral Large 3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich

Claude Fable 5.1 vs. Mistral Large 3

Modellauswahl ändern

Allgemeine Daten

API-Preise im Vergleich

Gemeinsame Benchmarks

Fähigkeitsprofil aus vergleichbaren Benchmarks

Unsere Tests

SVG-Kurztest

Claude Fable 5.1

Mistral Large 3

Pelikan auf dem Fahrrad

Ein Benchmark-Sieg ist kein Gesamturteil

Ähnliche LLM-Vergleiche