Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.
gemeinsame Messreihen
39
verschiedene Benchmarks
11
jüngster Abruf
29.09.2026
Modellauswahl ändern
Steckbrief
Allgemeine Daten
Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.
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.
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.
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.
Kimi K3
Mistral Large 3
Coding: 100 / 53,9 (2 Benchmarkfamilien)
Reasoning: 100 / 73,6 (1 Benchmarkfamilie)
Wissen: 100 / 90,7 (1 Benchmarkfamilie)
Finanzen: 100 / 86,8 (3 Benchmarkfamilien)
Recht: 100 / 92 (1 Benchmarkfamilie)
Multimodal: 100 / 75,1 (1 Benchmarkfamilie)
Bildung: 100 / 45,3 (1 Benchmarkfamilie)
10 passende Messreihen aus 10 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 7 von 7 vergleichbaren Kategorien.
Kimi K3Mistral Large 3
CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner71,562 %
Mistral Large 361,033 %
GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner92,929 %
Mistral Large 368,434 %
LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner86,016 %
Mistral Large 379,138 %
LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner87,185 %
Mistral Large 355,337 %
LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Kimi K3Höherer Messwert1.487,964
Mistral Large 31.413,254
MMLU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner87,973 %
Mistral Large 379,823 %
MMMU-ProOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner88,15 %
Mistral Large 366,185 %
MortgageTaxOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner66,336 %
Mistral Large 352,106 %
SAGEOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner54,26 %
Mistral Large 324,595 %
SWE-bench VerifiedOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner93,4 %
Mistral Large 341,4 %
TaxEval v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied
Kimi K3Gewinner75,716 %
Mistral Large 373,058 %
LMArena Text, Style ControlBusiness, management and finance. Mehr ist besser. Testaufbau nicht identisch dokumentiert
Kimi K3Höherer Messwert1.489,173
Mistral Large 31.409,446
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Benchmarkwerte von Kimi K3 und Mistral Large 3
Benchmark und Aufgabe
Kimi K3
Mistral Large 3
Quelle
CorpFin v2OverallTestdetails
Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 26.400 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 77.456 anonymen Paarvergleichen.
Höherer Messwert1.487,964
95-%-Konfidenzintervall: ±4,866Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.413,254
95-%-Konfidenzintervall: ±2,912Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlBusiness, management and financeTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 5.149 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 14.597 anonymen Paarvergleichen.
Höherer Messwert1.489,173
95-%-Konfidenzintervall: ±8,766Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.409,446
95-%-Konfidenzintervall: ±5,509Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 1.940 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 5.845 anonymen Paarvergleichen.
Höherer Messwert1.539,78
95-%-Konfidenzintervall: ±13,819Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.434,058
95-%-Konfidenzintervall: ±8,22Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 6.878 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 19.574 anonymen Paarvergleichen.
Höherer Messwert1.540,544
95-%-Konfidenzintervall: ±7,811Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.469,182
95-%-Konfidenzintervall: ±4,902Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 5.249 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 13.448 anonymen Paarvergleichen.
Höherer Messwert1.458,257
95-%-Konfidenzintervall: ±9,02Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.372,648
95-%-Konfidenzintervall: ±5,824Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 10.028 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 32.060 anonymen Paarvergleichen.
Höherer Messwert1.493,173
95-%-Konfidenzintervall: ±6,62Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.426,615
95-%-Konfidenzintervall: ±4,05Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlEntertainment, sports and mediaTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 6.417 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 16.716 anonymen Paarvergleichen.
Höherer Messwert1.459,187
95-%-Konfidenzintervall: ±8,256Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.371,316
95-%-Konfidenzintervall: ±5,299Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 19.504 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 56.501 anonymen Paarvergleichen.
Höherer Messwert1.501,41
95-%-Konfidenzintervall: ±6,35Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.400,18
95-%-Konfidenzintervall: ±4,058Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 2.457 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 7.295 anonymen Paarvergleichen.
Höherer Messwert1.532,809
95-%-Konfidenzintervall: ±12,276Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.427,543
95-%-Konfidenzintervall: ±7,482Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 944 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 2.181 anonymen Paarvergleichen.
Höherer Messwert1.506,507
95-%-Konfidenzintervall: ±20,255Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.432,389
95-%-Konfidenzintervall: ±14,389Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 508 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 1.257 anonymen Paarvergleichen.
Höherer Messwert1.487,756
95-%-Konfidenzintervall: ±26,837Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.409,467
95-%-Konfidenzintervall: ±17,833Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 17.130 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 47.316 anonymen Paarvergleichen.
Höherer Messwert1.516,598
95-%-Konfidenzintervall: ±5,615Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.431,274
95-%-Konfidenzintervall: ±3,63Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 6.516 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 19.638 anonymen Paarvergleichen.
Höherer Messwert1.514,741
95-%-Konfidenzintervall: ±7,894Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.439,274
95-%-Konfidenzintervall: ±4,91Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 8.851 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 24.861 anonymen Paarvergleichen.
Höherer Messwert1.486,2
95-%-Konfidenzintervall: ±7,06Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.400,115
95-%-Konfidenzintervall: ±4,491Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 465 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 830 anonymen Paarvergleichen.
Höherer Messwert1.505,193
95-%-Konfidenzintervall: ±29,212Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.382,659
95-%-Konfidenzintervall: ±22,106Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 567 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 1.318 anonymen Paarvergleichen.
Höherer Messwert1.476,936
95-%-Konfidenzintervall: ±24,854Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.356,821
95-%-Konfidenzintervall: ±17,794Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlLegal and governmentTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 2.120 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 5.879 anonymen Paarvergleichen.
Höherer Messwert1.513,54
95-%-Konfidenzintervall: ±13,409Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.421,357
95-%-Konfidenzintervall: ±8,211Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlLife, physical and social scienceTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 4.134 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 12.690 anonymen Paarvergleichen.
Höherer Messwert1.521,44
95-%-Konfidenzintervall: ±9,547Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.428,685
95-%-Konfidenzintervall: ±5,734Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 11.778 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 29.146 anonymen Paarvergleichen.
Höherer Messwert1.503,731
95-%-Konfidenzintervall: ±6,651Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.417,29
95-%-Konfidenzintervall: ±4,417Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 1.131 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 4.411 anonymen Paarvergleichen.
Höherer Messwert1.499,153
95-%-Konfidenzintervall: ±17,579Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.401,493
95-%-Konfidenzintervall: ±9,177Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 1.381 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 4.047 anonymen Paarvergleichen.
Höherer Messwert1.512,282
95-%-Konfidenzintervall: ±16,286Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.413,935
95-%-Konfidenzintervall: ±9,781Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlMedicine and healthcareTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 1.822 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 5.443 anonymen Paarvergleichen.
Höherer Messwert1.510,85
95-%-Konfidenzintervall: ±14,327Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.430,076
95-%-Konfidenzintervall: ±8,59Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 4.075 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 13.164 anonymen Paarvergleichen.
Höherer Messwert1.500,724
95-%-Konfidenzintervall: ±9,804Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.419,382
95-%-Konfidenzintervall: ±5,74Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 16.361 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 45.384 anonymen Paarvergleichen.
Höherer Messwert1.477,001
95-%-Konfidenzintervall: ±5,678Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.397,089
95-%-Konfidenzintervall: ±3,587Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 428 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 1.754 anonymen Paarvergleichen.
Höherer Messwert1.489,166
95-%-Konfidenzintervall: ±27,535Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.414,116
95-%-Konfidenzintervall: ±14,298Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 3.175 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 9.292 anonymen Paarvergleichen.
Höherer Messwert1.493,777
95-%-Konfidenzintervall: ±10,901Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.408,043
95-%-Konfidenzintervall: ±6,505Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlSoftware and IT servicesTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 10.253 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 29.068 anonymen Paarvergleichen.
Höherer Messwert1.526,074
95-%-Konfidenzintervall: ±6,653Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.455,584
95-%-Konfidenzintervall: ±4,237Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 810 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 2.328 anonymen Paarvergleichen.
Höherer Messwert1.484,797
95-%-Konfidenzintervall: ±20,864Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.405,285
95-%-Konfidenzintervall: ±13,338Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
LMArena Text, Style ControlWriting, literature and languageTestdetails
Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserKimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style control Mistral Large 3: Snapshot: mistral-large-3, Harness: Arena text, style controlKimi K3: Stilbereinigte Arena-Bewertung aus 6.938 anonymen Paarvergleichen.Mistral Large 3: Stilbereinigte Arena-Bewertung aus 19.002 anonymen Paarvergleichen.
Höherer Messwert1.474,679
95-%-Konfidenzintervall: ±7,931Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
1.388,294
95-%-Konfidenzintervall: ±4,988Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand
Eigene Modelltests
Unsere Tests
Vergleiche, wie die Modelle denselben Prompt umsetzen. Jeder Test zeigt den ersten Versuch, ohne nachträgliche Korrekturen am erzeugten Code. Die Ergebnisse fließen nicht in einen Gesamtscore ein.
Pelikan auf dem Fahrrad
Community-Klassiker für eine freie SVG-Zeichnung.
Kimi K3
In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.
Reasoning (angefragt): high
Erster Versuch
Datum des Testlaufs
07.09.2026
API-Anbieter
openrouter
Angefragtes API-Modell
moonshotai/kimi-k3
Reasoning-Einstellung
high
Festgelegter Endpunkt
Moonshot AI | moonshotai/kimi-k3-20260715
Temperatur
Anbieterstandard
Tokenlimit inklusive Reasoning
8.192 Token
Testprotokoll
community-visual-tests-v1
Technische Prüfung
Nicht ausgeführt
Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.
Mistral Large 3
In diesem Testlauf war kein API-Zugang verfügbar. Das Modell wurde nicht bewertet.
Reasoning (Modellstandard): kein Reasoning-Modus Quelle
Erster Versuch
Datum des Testlaufs
07.09.2026
API-Anbieter
openrouter
Angefragtes API-Modell
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
Nicht ausgeführt
Visuell noch nicht bewertet. Eine erfolgreiche Aufzeichnung bestätigt weder korrekte Physik noch die vollständige Umsetzung des Prompts.
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
Ähnliche LLM-Vergleiche
Vergleiche Kimi K3 und Mistral Large 3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.