87.8%
MMLU
Modelle / Mistral
Mistral Large · Release 2025-12-02
Mistrals Flaggschiff-MoE Dezember 2025. 262K-Kontext, Vision-Input, $0,50/$1,50 pro 1M Tokens. 675B gesamt / 41B aktive Parameter.
Europäisches Open-API-Frontier für mehrsprachigen Enterprise-Chat, Dokumenten-QA und Vision+Text-Workflows.
62average across 7 tested families
Wo Mistral Large 3 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.
Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo Mistral Large 3 auftaucht, ist es hervorgehoben.
Benchmark-Zeilen im öffentlichen Ledger für Mistral Large 3 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.
| Benchmark | Family | Score | Quelle | Tage her |
|---|---|---|---|---|
| AA-LCR | Long context | 34.67% | Artificial Analysis | 2 |
| AA output speed | Performance | 64 t/s | Artificial Analysis | 2 |
| AA time to first token | Performance | 0.59s | Artificial Analysis | 2 |
| AIME | Math | 38% | Artificial Analysis | 2 |
| Artificial Analysis Intelligence Index | Reasoning | 15.9% | Artificial Analysis | 2 |
| Humanity's Last Exam | Reasoning | 4.1% | Artificial Analysis | 2 |
| IFBench | Reasoning | 36.19% | Artificial Analysis | 2 |
| LiveCodeBench | Coding | 46.5% | Artificial Analysis | 2 |
| SciCode | Coding | 36.2% | Artificial Analysis | 2 |
| τ³-Bench Banking | Agentic | 5.77% | Artificial Analysis | 2 |
| Terminal-Bench | Agentic | 11.99% | Artificial Analysis | 2 |
| SWE-bench Verified | Coding | 76.2% | SWE-bench Verified leaderboard | 44 |
| GPQA Diamond | Reasoning | 71.2% | Artificial Analysis GPQA Diamond evaluation | 44 |
| MCP Atlas | Tool use | 70.4% | MCP Atlas leaderboard | 44 |
| BFCL | Tool use | 80.1% | Berkeley Function Calling Leaderboard V4 | 99 |
| LiveBench | Reasoning | 62.8% | LiveBench leaderboard | 99 |
| LongBench v2 | Long context | 50.8% | LongBench v2 leaderboard | 113 |
Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.
Hover or tab any dot for name, score, and input price.
Jeder Katalog-Benchmark für Mistral Large 3. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.
20 of 32 catalog benchmarks have a sourced row for Mistral Large 3.
15.9%
AA Intelligence Index v4.1
71.2%
GPQA Diamond
4.1%
HLE (AA run)
36.19%
IFBench (AA run)
62.8%
LiveBench
38%
AIME 2025 (AA run)
92.4% pass@1
HumanEval
46.5%
LiveCodeBench (AA run)
36.2%
SciCode (AA run)
76.2%
SWE-bench Verified
11.99%
Terminal-Bench v2.1 (AA run)
5.77%
τ³-Bench Banking (AA run)
34.67%
AA-LCR (AA run)
50.8%
LongBench v2
64 t/s
Median output tokens/s (1k prompt, default provider)
0.59s
Median time to first token (1k prompt, default provider)