- Startseite
- LLM-Vergleich
- DeepSeek-V4-Pro vs. Mistral Medium 3.5
DeepSeekMistral AILLM-Duell
DeepSeek-V4-Provs.Mistral Medium 3.5
Wer ist besser?
DeepSeek-V4-Pro schneidet besser als Mistral Medium 3.5 ab und ist günstiger: Mistral Medium 3.5 kostet 2,3-mal (Eingabe) und 3,8-mal (Ausgabe) so viel.
DeepSeek-V4-Pro
Platz 48
Mistral Medium 3.5
Platz 89
DeepSeek-V4-Pro
Mistral Medium 3.5
DeepSeek-V4-Pro
Mistral Medium 3.5
DeepSeek-V4-Pro
Platz 26 von 508
Mistral Medium 3.5
Platz 127 von 508
Nimm DeepSeek-V4-Pro für
Bei Mistral Medium 3.5 gibt es keinen klaren Vorteil.
Weiter vergleichen
Auf dieser Seite
Wo liegt der Unterschied?
Stärken im Überblick
DeepSeek-V4-ProMistral Medium 3.5Median aller Modelle mit Platz
95-%-Bereich: DeepSeek-V4-Pro 85,2 bis 96,9, Mistral Medium 3.5 43,3 bis 56,8.
Dieselben Werte und Urteile wie die Balken darunter. Im Ausschnitt beginnt das Netz bei 20 Punkten, knapp unter dem schwächsten Wert der beiden Modelle; der Durchschnitt der Referenzgruppe liegt bei 100. Nicht im Netz, weil ein Modell dort keinen eigenen Wert hat oder die Daten zu dünn sind: Mathematik, Allgemein, Multimodal, Recht.
DeepSeek-V4-Pro liegt in 6 von 10 Bereichen vorn, Mistral Medium 3.5 in keinem.
DeepSeek-V4-Pro vorn: 6zu wenig Daten: 4
Die Balkenlänge zeigt den Abstand in Indexpunkten (volle Breite 15 Punkte, eine Standardabweichung der Referenzgruppe). Voll heißt sicher vorn, schraffiert noch nicht sicher, ein dünner grauer Balken gleichauf.
2 weitere Bereiche anzeigen, die nicht zum Gesamtindex zählen
Die Balkenlänge zeigt den Abstand in Indexpunkten (volle Breite 15 Punkte, eine Standardabweichung der Referenzgruppe). Voll heißt sicher vorn, schraffiert noch nicht sicher, ein dünner grauer Balken gleichauf.
Welches Modell für welche Aufgabe?
Alltagsaufgaben, übersetzt aus den Bereichswerten oben. Jede Zeile nennt die Werte, auf denen sie beruht.
DeepSeek-V4-Pro gegen Mistral Medium 3.5 im eigenen Test
SVG-Kurztest
Ein SVG-Auftrag mit denselben festen Einstellungen für alle Modelle, ohne verdecktes Nachdenken.
Auftrag
Gib nur ein eigenständiges SVG eines Pelikans zurück, der Fahrrad fährt. Verwende viewBox „0 0 800 600“, einfache Formen, zwei deutlich sichtbare Räder und einen erkennbaren Pelikan mit langem Schnabel. Höchstens 30 SVG-Elemente und 1.800 Zeichen. Kein Markdown, keine Erklärungen, Kommentare, Skripte, Animationen, CSS oder externen Ressourcen.
Englischer Original-Auftrag
Return only one standalone SVG of a pelican riding a bicycle. Use viewBox="0 0 800 600", simple shapes, two clearly visible wheels and a recognizable pelican with a long beak. At most 30 SVG elements and 1800 characters. No Markdown, explanations, comments, scripts, animation, CSS or external resources.
DeepSeek-V4-Pro

14.10.2026 · 0,0020 $
Testdetails
- Testlauf
- 14.10.2026
- Anbieter
- streamlake
- API-Modell
- deepseek/deepseek-v4-pro-0813
- Ausgabe
- 963 Token
- Reasoning
- API meldet 0 Reasoning-Tokens
- Kosten des Versuchs
- 0,0020 $
- Testrunde
- 43b8c5c46830
Mistral Medium 3.5

14.10.2026 · 0,0039 $
Testdetails
- Testlauf
- 14.10.2026
- Anbieter
- mistral
- API-Modell
- mistralai/mistral-medium-3-5
- Ausgabe
- 502 Token
- Reasoning
- API meldet 0 Reasoning-Tokens
- Kosten des Versuchs
- 0,0039 $
- Testrunde
- 43b8c5c46830
Frühere Tests
Pelikan auf dem Fahrrad
Auftrag (englisches Original)
Generate an SVG of a pelican riding a bicycle
DeepSeek-V4-Pro
Die Antwort hat das Tokenlimit erreicht. Es liegt keine vollständige Aufzeichnung vor.
05.10.2026 · 68 s · 0,02 $
Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.
Testdetails
- Datum des Testlaufs
- 05.10.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- deepseek/deepseek-v4-pro-0813
- Reasoning-Einstellung
- high
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Ausgabe-Token
- 8.192 Token
- Kosten des Versuchs
- 0,0163 $
- Antwortzeit
- 67,6 s
- API-Modell laut Antwort
- deepseek/deepseek-v4-pro-0813
- Festgelegter Endpunkt
- DeepSeek | deepseek/deepseek-v4-pro-20260813
- Temperatur
- Anbieterstandard
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Nicht bestanden
Frühere Versuche (3)
- 02.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
- 01.10.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
- 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
Mistral Medium 3.5

01.10.2026 · 39 s · 0,06 $
Testdetails
- Datum des Testlaufs
- 01.10.2026
- API-Anbieter
- openrouter
- Angefragtes API-Modell
- mistralai/mistral-medium-3-5
- Reasoning-Einstellung
- high
- Tokenlimit inklusive Reasoning
- 8.192 Token
- Ausgabe-Token
- 8.128 Token
- Kosten des Versuchs
- 0,0610 $
- Antwortzeit
- 38,7 s
- API-Modell laut Antwort
- mistralai/mistral-medium-3-5
- Festgelegter Endpunkt
- Mistral | mistralai/mistral-medium-3.5-20260430
- Temperatur
- Anbieterstandard
- Testprotokoll
- community-visual-tests-v1
- Technische Prüfung
- Bestanden, keine Qualitätsbewertung
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Frühere Versuche (1)
- 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: high
DeepSeek-V4-Pro und Mistral Medium 3.5 im Gesamtindex
Alle Modelle mit Platz im Gesamtindex, beide Modelle dieses Vergleichs hervorgehoben. Weitere Modelle kannst du dazunehmen oder ausblenden.
Gesamtindex (Gradually Meta-Score v6)
20 von 95 Modellen
Beliebtheit im Vergleich
Wie oft die Modelle gesucht, genutzt und erwähnt werden, auf einer Skala von 0 bis 100.
DeepSeek-V4-Pro ist beliebter als Mistral Medium 3.5: 75 zu 50 von 100.
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 16. November 2026
DeepSeek-V4-ProMistral Medium 3.5
Alle Daten im Vergleich
Der bessere Wert ist fett. Beim Gesamtindex nur, wenn der Abstand klar ist.
| Kennzahl | DeepSeek-V4-Pro | Mistral Medium 3.5 |
|---|---|---|
| Leistung | ||
| GesamtindexPunkte, 100 = Durchschnitt der Referenzgruppe, höher ist besser | 87,1 | 46,1 |
| Platz | Platz 48 von 95 | Platz 89 von 95 |
| Preis je 1 Mio. Token | ||
| Eingabewas du schickst | 0,66 $ | 1,50 $ |
| Ausgabewas das Modell schreibt | 1,98 $ | 7,50 $ |
| Kosten je Aufgabe (eigene Tests)Durchschnitt aus 1 Aufgabe des ursprünglichen Testprotokolls, die beide Modelle bestanden haben (ohne SVG-Kurztest) | 0,021 $ | 0,089 $ |
| Tempo | ||
| Token pro Sekunde | 42 | 105 |
| Beliebtheit | ||
| BeliebtheitSuche, Nutzung und Erwähnungen, 0 bis 100 | 75Platz 26 von 508 | 50Platz 127 von 508 |
| Technik | ||
| Kontextfensterwie viel Text das Modell auf einmal liest | 1 Mio. Token≈ 1.500 A4-Seiten | 262.144 Token≈ 390 A4-Seiten |
| Wissensstand | k. A. | k. A. |
| Veröffentlicht | 24.04.2026 | 28.04.2026 |
| Verfügbarkeit | Aktiv | Aktiv |
| Offene Gewichte | ja | ja |
- DeepSeek-V4-Pro: Zu Spitzenzeiten (Mo, Di, Mi, Do, Fr, 01:00-04:00 UTC; Mo, Di, Mi, Do, Fr, 06:00-10:00 UTC) gelten 1,32 $ Eingabe und 3,96 $ Ausgabe je 1 Mio. Token. Die Tabelle zeigt den Preis außerhalb dieser Zeiten.
Preise ohne Rabatte für Zwischenspeicher und Stapelverarbeitung · Seitenzahl als Faustregel nach Artificial Analysis
Gibt es eine bessere Wahl?
Gesamtindex 110,5, Platz 140,10 $ Eingabe und 0,50 $ Ausgabe je 1 Mio. Token
Zum ProfilGesamtindex 130,9, Platz 18 $ Eingabe und 40 $ Ausgabe je 1 Mio. Token
Gemeinsame Benchmarks
Einzelwerte aus derselben Benchmark-Version, Aufgabe und Messgröße. Fett ist ein Wert nur bei gleichem Testaufbau und klarem Abstand.
A: DeepSeek-V4-ProB: Mistral Medium 3.5
54 weitere Benchmarks anzeigen
Weitere Vergleiche
Vergleiche DeepSeek-V4-Pro und Mistral Medium 3.5 mit den Modellen, die am häufigsten mit ihnen verglichen werden.
Anderes Duell vergleichen
Die beliebtesten Vergleiche
- 1Claude Opus 5.5 vs. DeepSeek-V4-Pro
- 2DeepSeek-V4-Pro vs. DeepSeek-V4.1-Flash
- 3GPT-6 Luna vs. DeepSeek-V4-Pro
- 4Claude Sonnet 5.5 vs. DeepSeek-V4-Pro
- 5Gemini 3.8 Flash vs. DeepSeek-V4-Pro
- 6Claude Opus 5 vs. DeepSeek-V4-Pro
- 7DeepSeek-V4-Pro vs. Qwen 3.8 27B
- 8Grok 4.7 vs. DeepSeek-V4-Pro
- 9Claude Haiku 5.5 vs. DeepSeek-V4-Pro
Alle 38 Vergleiche zeigen
- 10DeepSeek-V4-Pro vs. DeepSeek V4.1 Flash 1017
- 11DeepSeek-V4-Pro vs. MiMo-V2.5-Pro
- 12DeepSeek-V4-Pro vs. Kimi K3
- 13GPT-5.6 Sol vs. DeepSeek-V4-Pro
- 14DeepSeek-V4-Pro vs. GLM-5.3
- 15DeepSeek-V4-Pro vs. Qwen 3.8 Max 0902
- 16DeepSeek-V4-Pro vs. MiMo-V2.5
- 17DeepSeek-V4-Pro vs. GLM-5.3-Flash
- 18DeepSeek-V4-Pro vs. Mistral Large 4
- 19GPT-5.6 Luna vs. DeepSeek-V4-Pro
- 20DeepSeek-V4.1-Flash vs. Mistral Medium 3.5
- 21DeepSeek-V4-Pro vs. Kimi K3.1 Pro
- 22DeepSeek-V4-Pro vs. DeepSeek-V4-Flash
- 23DeepSeek-V4-Pro vs. GLM-5.2
- 24Claude Sonnet 5 vs. DeepSeek-V4-Pro
- 25GPT-6 Sol vs. DeepSeek-V4-Pro
- 26Claude Opus 5.5 vs. Mistral Medium 3.5
- 27Qwen 3.8 27B vs. Mistral Medium 3.5
- 28GLM-5.2 vs. Mistral Medium 3.5
- 29GPT-6 Luna vs. Mistral Medium 3.5
- 30Claude Sonnet 5.5 vs. Mistral Medium 3.5
- 31DeepSeek V4.1 Flash 1017 vs. Mistral Medium 3.5
- 32Claude Opus 4.5 vs. DeepSeek-V4-Pro
- 33Claude Sonnet 4.5 vs. Mistral Medium 3.5
- 34Mistral Large 4 vs. Mistral Medium 3.5
- 35Gemini 4 Argon vs. DeepSeek-V4-Pro
- 36GPT-6.1 Terra vs. DeepSeek-V4-Pro
- 37Gemini 4 Carbon vs. DeepSeek-V4-Pro
- 38Gemini 4 Argon vs. Mistral Medium 3.5