Zum Hauptinhalt springen

OpenAIMistral AILLM-Duell

GPT-5.4vs.Mistral Large 3

Wer ist besser?

GPT-5.4 schneidet besser als Mistral Large 3 ab, aber kostet 5-mal (Eingabe) und 10-mal (Ausgabe) so viel.

GPT-5.4 vorn
LeistungGesamtindex, 100 Punkte = Durchschnitt
86,4

GPT-5.4

Platz 50

32,7

Mistral Large 3

Platz 95

etwa gleich schnell
TempoToken pro Sekunde
64

GPT-5.4

60

Mistral Large 3

Mistral Large 3 günstiger
Preis$ je 1 Mio. Token
5,63 $

GPT-5.4

0,75 $

Mistral Large 3

Beliebtheit0 bis 100
k. A.

GPT-5.4

48

Mistral Large 3

Platz 145 von 508

Ab 272.000 Token im Kontext kostet GPT-5.4 mehr: 5 $ Eingabe und 22,50 $ Ausgabe je 1 Mio. Token.

Nimm GPT-5.4 für

MultimodalProgrammierenFinanzen

Bei Mistral Large 3 gibt es keinen klaren Vorteil.

Wo liegt der Unterschied?

GPT-5.4 liegt in 3 von 10 Bereichen vorn, Mistral Large 3 in keinem.

GPT-5.4 vorn: 3zu wenig Daten: 7

Bereiche im Gesamtindex
MultimodalGPT-5.4 +5688,8 zu 32,8
ProgrammierenGPT-5.4 +5385,0 zu 31,9
Agentenzu wenig Daten90,5 zu 34,3
Schlussfolgernzu wenig Daten87,9 zu 34,3
Allgemeinzu wenig Daten86,1 zu 33,4
Wissenzu wenig Daten87,0 zu 38,4
Mathematiknur Mistral Large 3 mit Wertung
Fachgebiete
FinanzenGPT-5.4 +4585,9 zu 41,3
Gesundheitzu wenig Daten80,4 zu 30,9
Rechtzu wenig Daten83,9 zu 39,7

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.

Code schreiben und Fehler findenGPT-5.4Programmieren 85,0 zu 31,9
Mathe und DatenanalyseoffenMathematik ohne Wertung für GPT-5.4, Schlussfolgern 87,9 zu 34,3 (zu wenig Daten)
Fakten und RechercheoffenWissen 87,0 zu 38,4 (zu wenig Daten)
Agenten und WorkflowsoffenAgenten 90,5 zu 34,3 (zu wenig Daten)
Schnelle Antworten im Chatetwa gleich64 zu 60 Token pro Sekunde
Viele Anfragen, kleines BudgetMistral Large 35,63 $ zu 0,75 $ je 1 Mio. Token
Finanz-, Rechts- und MedizintexteGPT-5.4Finanzen 85,9 zu 41,3, Recht 83,9 zu 39,7 (zu wenig Daten), Gesundheit 80,4 zu 30,9 (zu wenig Daten)
Bilder, Screenshots und PDFsGPT-5.4Multimodal 88,8 zu 32,8

GPT-5.4 gegen Mistral Large 3 im eigenen Test

Derselbe Prompt für beide Modelle. Gezeigt wird der neueste Versuch ohne Nachbesserung; er zählt nicht zum Gesamtindex.

Pelikan auf dem Fahrrad

Auftrag (englisches Original)

Generate an SVG of a pelican riding a bicycle

Ursprung der Aufgabe: Simon Willison

GPT-5.4

GPT-5.4: Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.

01.10.2026 · 117 s · 0,11 $

Testdetails
Datum des Testlaufs
01.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
openai/gpt-5.4
Reasoning-Einstellung
high
Tokenlimit inklusive Reasoning
8.192 Token
Ausgabe-Token
7.339 Token
Kosten des Versuchs
0,1101 $
Antwortzeit
116,8 s
API-Modell laut Antwort
openai/gpt-5.4
Festgelegter Endpunkt
OpenAI | openai/gpt-5.4-20260305
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

Mistral Large 3

Mistral Large 3: Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.

01.10.2026 · 14 s · 0,0022 $

Testdetails
Datum des Testlaufs
01.10.2026
API-Anbieter
openrouter
Angefragtes API-Modell
mistralai/mistral-large-2512
Reasoning-Einstellung
nicht vorgegeben
Tokenlimit inklusive Reasoning
8.192 Token
Ausgabe-Token
1.451 Token
Kosten des Versuchs
0,0022 $
Antwortzeit
14,2 s
API-Modell laut Antwort
mistralai/mistral-large-2512
Festgelegter Endpunkt
Mistral | mistralai/mistral-large-2512
Temperatur
Anbieterstandard
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Bestanden, keine Qualitätsbewertung
Reasoning (Modellstandard)
kein Reasoning-Modus Quelle

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

Frühere Versuche (1)

  • 07.09.2026API-Anfrage fehlgeschlagenReasoning-Einstellung: nicht vorgegeben
SVG-Kurztest

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.

GPT-5.4

In dieser Runde nicht verfügbar

Mistral Large 3

API-Anfrage fehlgeschlagen. Das Modell wurde nicht bewertet.

GPT-5.4 und Mistral Large 3 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

Claude Fable 5.2max130,9
Gemini 4 Carbonhigh127,0
Claude Opus 5.5max125,7
Claude Fable 5.1max124,1
Claude Sonnet 5.5max121,9
Gemini 4 Argonhigh121,2
GPT-6 Astramax119,6
Muse Wonder Fullmax118,4
GPT-6.1 Solmax117,5
Claude Opus 5max117,3
Muse Wondermax113,7
Claude Fable 5max112,8
Kimi K3.1 Promax112,6
Muse Ember 1.0max110,5
GPT-5.6 Solmax109,3
GPT-6 Solmax108,4
Gemini 3.7 Flashhigh107,7
DeepSeek V4.1 Flash 1017max107,1
GPT-5.4xhigh86,4
Mistral Large 3ohne32,7

Beliebtheit im Vergleich

Wie oft die Modelle gesucht, genutzt und erwähnt werden, auf einer Skala von 0 bis 100.

Für GPT-5.4 gibt es noch keinen Beliebtheitswert.

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 16. November 2026

GPT-5.4Mistral Large 3

Alle Daten im Vergleich

Der bessere Wert ist fett. Beim Gesamtindex nur, wenn der Abstand klar ist.

KennzahlGPT-5.4Mistral Large 3
Leistung
GesamtindexPunkte, 100 = Durchschnitt der Referenzgruppe, höher ist besser86,432,7
PlatzPlatz 50 von 95Platz 95 von 95
Preis je 1 Mio. Token
Eingabewas du schickst2,50 $über 272.000 Token: 5 $0,50 $
Ausgabewas das Modell schreibt15 $über 272.000 Token: 22,50 $1,50 $
Kosten je Aufgabe (eigene Tests)Durchschnitt aus 1 Aufgabe des ursprünglichen Testprotokolls, die beide Modelle bestanden haben (ohne SVG-Kurztest)0,11 $0,002 $
Tempo
Token pro Sekunde6460
Beliebtheit
BeliebtheitSuche, Nutzung und Erwähnungen, 0 bis 100k. A.48Platz 145 von 508
Technik
Kontextfensterwie viel Text das Modell auf einmal liest1,05 Mio. Token≈ 1.580 A4-Seiten262.144 Token≈ 390 A4-Seiten
Wissensstand31.08.2025k. A.
Veröffentlicht05.03.202602.12.2025
VerfügbarkeitAktivAktiv
Offene Gewichteneinja

Preise ohne Rabatte für Zwischenspeicher und Stapelverarbeitung · Seitenzahl als Faustregel nach Artificial Analysis

Gibt es eine bessere Wahl?

Nachfolger von GPT-5.4GPT-5.5

Gesamtindex 101,4, Platz 275 $ Eingabe und 30 $ Ausgabe je 1 Mio. Token

Mistral Large 3 vs. GPT-5.5
Günstiger als Mistral Large 3Muse Ember 1.0

Gesamtindex 110,5, Platz 140,10 $ Eingabe und 0,50 $ Ausgabe je 1 Mio. Token

Zum Profil
Bestes Modell im GesamtindexClaude Fable 5.2

Gesamtindex 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: GPT-5.4B: Mistral Large 3

CorpFin v2Overall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 65,3 %Mistral Large 3: 61,0 %Vals AIStand 12.08.2026
GPQA DiamondOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 91,7 %Mistral Large 3: 68,4 %Vals AIStand 01.09.2026
LegalBenchOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 86,0 %Mistral Large 3: 79,1 %Vals AIStand 13.10.2026
LiveCodeBenchOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 84,1 %Mistral Large 3: 55,3 %Vals AIStand 01.09.2026
LMArena Code Arena WebDevOverall · höher ist besserGPT-5.4: 1.400Mistral Large 3: 1.231LMArenaStand 15.11.2026
LMArena Text, Style ControlOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.475Mistral Large 3: 1.415LMArenaStand 11.11.2026
LMArena Vision, Style ControlOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.282Mistral Large 3: 1.200LMArenaStand 09.11.2026
MedQAOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 96,1 %Mistral Large 3: 82,2 %Vals AIStand 16.04.2026
MMLU ProOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 87,5 %Mistral Large 3: 79,8 %Vals AIStand 01.09.2026
MMMU ProOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 87,5 %Mistral Large 3: 66,2 %Vals AIStand 01.09.2026
54 weitere Benchmarks anzeigen
MortgageTaxOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 68,3 %Mistral Large 3: 52,1 %Vals AIStand 01.09.2026
SWE-bench VerifiedOverall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 78,2 %Mistral Large 3: 41,4 %Vals AIStand 01.09.2026
TaxEval v2Overall · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 74,0 %Mistral Large 3: 73,1 %Vals AIStand 01.09.2026
CorpFin v2Exact Pages · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 64,1 %Mistral Large 3: 59,8 %Vals AIStand 12.08.2026
GPQA DiamondFew-Shot CoT · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 91,4 %Mistral Large 3: 64,1 %Vals AIStand 01.09.2026
LegalBenchConclusion Tasks · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 88,9 %Mistral Large 3: 81,0 %Vals AIStand 13.10.2026
LiveCodeBenchEasy · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 99,1 %Mistral Large 3: 95,3 %Vals AIStand 01.09.2026
LMArena Code Arena WebDevHTML development · höher ist besserGPT-5.4: 1.423Mistral Large 3: 1.239LMArenaStand 15.11.2026
LMArena Text, Style ControlBusiness, management and finance · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.482Mistral Large 3: 1.411LMArenaStand 11.11.2026
LMArena Vision, Style ControlChinese · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.317Mistral Large 3: 1.219LMArenaStand 09.11.2026
MedQAAsian · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 96,2 %Mistral Large 3: 82,1 %Vals AIStand 16.04.2026
MMLU ProBiology · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 92,9 %Mistral Large 3: 88,6 %Vals AIStand 01.09.2026
MortgageTaxNumerical Extraction · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 76 %Mistral Large 3: 50 %Vals AIStand 01.09.2026
SWE-bench Verified<15 min fix · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 88,1 %Mistral Large 3: 56,2 %Vals AIStand 01.09.2026
TaxEval v2Correctness · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 64,9 %Mistral Large 3: 61,6 %Vals AIStand 01.09.2026
CorpFin v2Max Fitting Context · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 64,9 %Mistral Large 3: 63,8 %Vals AIStand 12.08.2026
GPQA DiamondZero-Shot CoT · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 91,9 %Mistral Large 3: 72,7 %Vals AIStand 01.09.2026
LegalBenchInterpretation Tasks · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 83,9 %Mistral Large 3: 76,6 %Vals AIStand 13.10.2026
LiveCodeBenchHard · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 67,7 %Mistral Large 3: 17,1 %Vals AIStand 01.09.2026
LMArena Code Arena WebDevImage to WebDev · höher ist besserGPT-5.4: 1.441Mistral Large 3: 1.362LMArenaStand 15.11.2026
LMArena Text, Style ControlChinese · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.505Mistral Large 3: 1.431LMArenaStand 11.11.2026
LMArena Vision, Style ControlCreative writing with images · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.264Mistral Large 3: 1.198LMArenaStand 09.11.2026
MedQABlack · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 96,5 %Mistral Large 3: 81,9 %Vals AIStand 16.04.2026
MMLU ProBusiness · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 91,8 %Mistral Large 3: 84,7 %Vals AIStand 01.09.2026
MortgageTaxSemantic Extraction · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 60,7 %Mistral Large 3: 54,2 %Vals AIStand 01.09.2026
SWE-bench Verified>4 hours · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 0,0 %Mistral Large 3: 33,3 %Vals AIStand 01.09.2026
TaxEval v2Stepwise Reasoning · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 83,0 %Mistral Large 3: 84,5 %Vals AIStand 01.09.2026
CorpFin v2Shared Max Context · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 66,8 %Mistral Large 3: 59,6 %Vals AIStand 12.08.2026
LegalBenchIssue Tasks · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 90,5 %Mistral Large 3: 81,0 %Vals AIStand 13.10.2026
LiveCodeBenchMedium · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 85,6 %Mistral Large 3: 53,5 %Vals AIStand 01.09.2026
LMArena Code Arena WebDevWeb development · höher ist besserGPT-5.4: 1.400Mistral Large 3: 1.231LMArenaStand 15.11.2026
LMArena Text, Style ControlCoding · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.521Mistral Large 3: 1.471LMArenaStand 11.11.2026
LMArena Vision, Style ControlDiagram understanding · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.319Mistral Large 3: 1.233LMArenaStand 09.11.2026
MedQAHispanic · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 95,7 %Mistral Large 3: 82,8 %Vals AIStand 16.04.2026
MMLU ProChemistry · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 91,1 %Mistral Large 3: 85,0 %Vals AIStand 01.09.2026
SWE-bench Verified1-4 hours · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 50,0 %Mistral Large 3: 4,8 %Vals AIStand 01.09.2026
LegalBenchRhetoric Tasks · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 82,8 %Mistral Large 3: 77,9 %Vals AIStand 13.10.2026
LMArena Text, Style ControlCreative writing · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.440Mistral Large 3: 1.375LMArenaStand 11.11.2026
LMArena Vision, Style ControlEnglish · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.279Mistral Large 3: 1.208LMArenaStand 09.11.2026
MedQAIndigenous · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 95,9 %Mistral Large 3: 81,8 %Vals AIStand 16.04.2026
MMLU ProComputer Science · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 89,8 %Mistral Large 3: 83,2 %Vals AIStand 01.09.2026
SWE-bench Verified15 min - 1 hour · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 76,2 %Mistral Large 3: 36,4 %Vals AIStand 01.09.2026
LegalBenchRule Tasks · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 84,0 %Mistral Large 3: 79,1 %Vals AIStand 13.10.2026
LMArena Text, Style ControlEnglish · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.476Mistral Large 3: 1.427LMArenaStand 11.11.2026
LMArena Vision, Style ControlHomework · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.330Mistral Large 3: 1.203LMArenaStand 09.11.2026
MedQAUnbiased · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 96,3 %Mistral Large 3: 82,2 %Vals AIStand 16.04.2026
MMLU ProEconomics · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 89,7 %Mistral Large 3: 85,8 %Vals AIStand 01.09.2026
LMArena Text, Style ControlEntertainment, sports and media · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.441Mistral Large 3: 1.373LMArenaStand 11.11.2026
LMArena Vision, Style ControlHumor · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.267Mistral Large 3: 1.186LMArenaStand 09.11.2026
MedQAWhite · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 96,1 %Mistral Large 3: 82,8 %Vals AIStand 16.04.2026
MMLU ProEngineering · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 85,2 %Mistral Large 3: 74,9 %Vals AIStand 01.09.2026
LMArena Text, Style ControlExcluding ties · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.484Mistral Large 3: 1.402LMArenaStand 11.11.2026
LMArena Vision, Style ControlOptical character recognition · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 1.297Mistral Large 3: 1.214LMArenaStand 09.11.2026
MMLU ProHealth · höher ist besserTestaufbau nicht identisch dokumentiertGPT-5.4: 82,4 %Mistral Large 3: 77,3 %Vals AIStand 01.09.2026

Weitere Vergleiche

Vergleiche GPT-5.4 und Mistral Large 3 mit den Modellen, die am häufigsten mit ihnen verglichen werden.

Anderes Duell vergleichen