Text & Reasoning
Mistral Large 4
Offenes multimodales MoE-Modell mit 1,05T Gesamtparametern, 52B aktiven Parametern und einem 1,6B Vision-Encoder.
Text & ReasoningMistral Small 4
Mistral Small 4 ist ein Sprachmodell von Mistral AI. Für die Auswahl zählen deine Aufgabe, die unterstützten Eingaben und der konkrete Zugang. Das Praxisbeispiel hilft dir, eine Antwort selbst zu prüfen.
Wie kannst du es nutzen?
Wenn du lokal arbeiten möchtest, prüfe zuerst Lizenz, passende Laufzeit und den Speicherbedarf deiner Modellvariante. Offene Gewichte allein sagen noch nicht, ob dein Rechner dafür ausreicht.
Aktuell im HerstellerkatalogQuellenstand 2026-10-13
Mistral AI im Verzeichnis
EingabeText, Bild
AusgabeText
Kontext256.000 Tokens
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | Mistral AI |
|---|---|
| Modellfamilie | Mistral · Ministral · Voxtral |
| Modell-/API-ID | mistral-small-2603 |
| Status | Aktuell im Herstellerkatalog |
| Modellart | Text & Reasoning |
|---|---|
| Eingabe | Text, Bild |
| Ausgabe | Text |
| Kontext | 256.000 Tokens |
|---|---|
| Maximaler Output / Horizont | Nicht bestätigt |
| Bereitstellung | Offene Gewichte; API zusätzlich verfügbar |
|---|---|
| Gewichte | Offene Gewichte dokumentiert |
| Lizenz | Apache 2.0 |
Daten im Überblick
Input und Output sind getrennte Texttarife je einer Million Tokens. Preisstufen, Cache, Werkzeuge und weitere Bedingungen stehen im Kostenabschnitt. Kein Preis für eine konkrete Aufgabe.
- Text-Input / Mio. Tokens
- 0,15 USD
- Text-Output / Mio. Tokens
- 0,6 USD
Datenbasis: Herstellerangaben im Quellenstand 2026-10-13. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Mistral Small 4 ist ein Text & Reasoning-Modell von Mistral AI. Eingabe: Text, Bild. Ausgabe: Text.
Wähle eine kleine Aufgabe mit einer überprüfbaren Lösung: etwa fünf Informationen aus einem gegebenen Dokument extrahieren. Prüfe die Antworten am Original, nicht nur die Formulierung.
Vor einem lokalen Test zuerst Gewichteformat, Lizenz, Arbeitsspeicher und unterstützte Runtime prüfen. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen. Als weitere Option für einen lokalen Mistral-Einsatz kannst du Ministral 3 14B einordnen. Prüfe dabei die genaue Variante und den Betriebsweg; der kleinere Familienname allein entscheidet nicht über deinen Speicherbedarf.
Lokaler Betrieb: Verfügbare Gewichte allein belegen nicht, dass dieses Modell auf deinem Rechner läuft. Speicherbedarf, Quantisierung, Kontext und unterstützte Hardware müssen zusammenpassen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Mistral Small 4?
Bestätigter Tarif / Preisangabe0.15 / 0.6 USD je 1 Mio. Texttokens
Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen.
Textkosten im Rechner schätzen →Zugang: Offene Gewichte; API zusätzlich verfügbar. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Inventurnotizen in Datenfelder übersetzen
Praxisergänzung geprüft am 21. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Mistral Small 4 kannst du als Modell für strukturierte Textaufgaben einordnen; der verwendete Betriebsweg muss trotzdem feststehen. Eine gehostete Anfrage und ein selbst betriebener Gewichtebestand unterscheiden sich bei Einrichtung und Datenfluss. Die folgende Inventurprobe konzentriert sich auf etwas, das bei beiden Wegen nötig bleibt: die Übereinstimmung von Eingabe und Ausgabe.
Vorbereitung
Die dokumentierte API-ID lautet mistral-small-2603. Mistral beschreibt JSON-Modus und schemaorientierte strukturierte Ausgaben als unterschiedliche Möglichkeiten. Eine gültige JSON-Form ersetzt keine fachliche Kontrolle. Für die Übung legst du daher fehlende Werte, Einheiten und Reihenfolge selbst fest, anstatt auf einen allgemeinen Formatwunsch zu vertrauen.
Wähle den Betriebsweg und notiere Modell-ID, Endpunkt oder lokale Gewichtevariante.
Übernimm die drei fiktiven Lagerzeilen und verlange die festgelegten Datentypen.
Vergleiche das Ergebnis mit dem Soll und gib eine fehlende Einheit im Gegenversuch ausdrücklich an.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Fiktive Lagernotizen:
L-1: 12 Schrauben, Einheit Stück.
L-2: 0 Muttern, Einheit Stück.
L-3: 5 Kabel, Einheit nicht angegeben.
Erzeuge ein JSON-Objekt mit dem Feld positionen, sortiert nach id. Pro Position: id, artikel, menge (Ganzzahl), einheit (Text oder null).
Keinen fehlenden Wert ergänzen. 0 ist eine vorhandene Menge. Behalte die Artikelnamen Schrauben, Muttern und Kabel genau bei.Vorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- Mengen bleiben ganze Zahlen und werden nicht mit Einheiten in ein Textfeld gemischt.
- Die Nullmenge wird nicht entfernt.
- Die unbekannte Einheit bleibt offen, auch wenn Stück plausibel wäre.
{
"positionen": [
{
"id": "L-1",
"artikel": "Schrauben",
"menge": 12,
"einheit": "Stück"
},
{
"id": "L-2",
"artikel": "Muttern",
"menge": 0,
"einheit": "Stück"
},
{
"id": "L-3",
"artikel": "Kabel",
"menge": 5,
"einheit": null
}
]
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| Alles ist JSON, aber Felder fehlen | Eine Formgarantie und der verlangte Datenvertrag sind getrennte Prüfungen. |
| Kabel erhält automatisch die Einheit Stück | Plausibilität ersetzt keinen Beleg in der Eingabe. |
| Lokale Gewichte werden wie ein kleiner Download behandelt | Prüfe tatsächlichen Speicherbedarf und Runtime; der Produktname Small ist keine Hardwarezusage. |
Passende Anleitungen
Für eine eigene Installation kannst du lokale KI-Modelle nach Betriebsweg auswählen und Modell, Laufzeit sowie Hardware zusammen betrachten.
Wenn du bei der Einrichtung beginnst, führt dich der Lernpfad lokale KI Schritt für Schritt betreiben von der Auswahl bis zur kontrollierten ersten Antwort.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: Mistral Small 4 - Mistral AI | Mistral Docs (Abruf 2026-10-21) · JSON Mode | Mistral Docs (Abruf 2026-10-21).
Quellen und Prüfstand
Quellenstand: 2026-10-13. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Mistral Small 4?
Mistral Small 4 ist ein Text & Reasoning-Modell von Mistral AI. Eingabe: Text, Bild. Ausgabe: Text. Hersteller: Mistral AI. Dokumentierte ID: mistral-small-2603.
Was verarbeitet Mistral Small 4?
Eingabe: Text, Bild. Ausgabe: Text. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Mistral Small 4 lokal betreiben?
Offene Gewichte sind dokumentiert. Die Lizenz Apache 2.0, unterstützte Runtime und benötigte Hardware musst du zusätzlich prüfen.
Was kostet Mistral Small 4?
0.15 / 0.6 USD je 1 Mio. Texttokens. Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-13. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Wie groß ist das Kontextfenster von Mistral Small 4?
Im dokumentierten Quellenstand: 256.000 Tokens. Beachte die Bedingungen der konkreten Modellversion und des verwendeten Endpunkts. Kontext ist keine Wortzahl und kein Nachweis, dass jede enthaltene Information zuverlässig verarbeitet wird.
Wie prüfst du Mistral Small 4 für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Ist Mistral Small 4 automatisch ein kleines Laptopmodell?
Nein. Der Name beschreibt eine Modellfamilie. Ob eine konkrete Gewichtevariante lokal passt, hängt von Speicher, Quantisierung, Laufzeit und Kontext ab.
Was unterscheidet JSON-Modus und fachliche Prüfung?
JSON-Modus betrifft die syntaktische Ausgabeform. Ob Mengen, Einheiten und fehlende Felder zur Vorlage passen, musst du zusätzlich prüfen.
Welche Mistral-ID gilt für dieses Profil?
Die dokumentierte API-ID ist mistral-small-2603. Ein Produktabonnement, ein laufender API-Alias und eine lokale Gewichtevariante sind davon zu unterscheiden.
Weitere Mistral AI-Modelle
Alle anzeigen →Text & Reasoning
Mistral Large 3
Mistral Large 3 ist ein Text & Reasoning-Modell von Mistral AI. Eingabe: Text, Bild. Ausgabe: Text.
Text & Reasoning
Mistral Medium 3.5
Mistral Medium 3.5 ist ein Text & Reasoning-Modell von Mistral AI. Eingabe: Text, Bild. Ausgabe: Text.