Mistral AI

1. Mistral AI ist Modelllabor, Plattformanbieter, Assistentenprodukt und Infrastrukturunternehmen

Mistral AI entwickelt offene und proprietäre Foundation-Modelle, spezialisierte Modelle, APIs, Agenten, Vibe/Le Chat, Mistral AI Studio und zunehmend eigene beziehungsweise regionale Compute-Infrastruktur.

Für eine saubere Technikchronik müssen Modell, API, Assistent, Agentenruntime, Deploymentform und Infrastruktur getrennt bezeichnet werden.

2. April 2023: Mistral AI entsteht

Mistral AI wurde im April 2023 in Paris gegründet.

Die Firma positionierte sich von Beginn an als europäisches Frontier-AI-Labor mit starkem Fokus auf offene Modelle und technische Unabhängigkeit.

3. Arthur Mensch, Guillaume Lample und Timothée Lacroix

Die drei Mitgründer führen das Unternehmen als CEO, Chief Science Officer und CTO.

Für die Technikgeschichte ist besonders relevant, dass das Gründungsteam aus großskaliger Machine-Learning- und LLM-Forschung kam.

4. 5. Juni 2023: erster Mitarbeiter

Mistrals eigene Unternehmenschronik nennt den 5. Juni 2023 als ersten Mitarbeitertag.

Der Abstand bis zum ersten offenen Modell im September war ungewöhnlich kurz.

5. 13. Juni 2023: Seed-Runde

Bereits im Juni 2023 folgte die erste große Finanzierung.

Finanzierungsdaten erklären Wachstum und Computezugang, ersetzen aber keine Modellbewertung.

6. Offene Modelle als Grundthese

Mistral argumentierte von Anfang an, dass offene Modelle technische Innovation, Anpassbarkeit und Unabhängigkeit fördern.

Diese Strategie prägt Mistral 7B, Mixtral, Small, Ministral, Mistral 3, Devstral, Voxtral, Shieldstral und weitere Familien.

7. Open Weight und kommerzielles Modellportfolio

Mistral bietet zugleich offene Gewichte und kommerziell gehostete beziehungsweise proprietäre Modelle.

Ein Mistral-Modellname sagt deshalb nicht automatisch etwas über Lizenz oder Downloadbarkeit aus.

8. Apache 2.0 als wichtige Lizenzlinie

Viele zentrale Mistral-Modelle werden unter Apache 2.0 veröffentlicht.

Andere Modelle nutzen Modified MIT, CC BY-NC oder Premier-/Cloudbedingungen; Lizenz wird pro Modell geprüft.

9. Modified MIT

Neuere offene Modelle wie Mistral Medium 3.5 verwenden eine modifizierte MIT-Lizenz.

Sie ist permissiv, aber nicht identisch mit Standard-MIT oder Apache 2.0.

10. Mistral AI Non-Production License

Codestral 2024 machte eine eigene Non-Production-Lizenz öffentlich sichtbar.

Spätere Codingmodelle besitzen teils andere Lizenzen; historische Lizenzbedingungen dürfen nicht verallgemeinert werden.

11. Produktlandschaft

Die Hauptprodukte heißen 2026 Vibe, Mistral AI Studio, API/Agents/Conversations, Search Toolkit, Libraries, Arbeitsabläufe, Forge und Compute.

Le Chat ist historisch zentral und lebt im Chat-Modus von Vibe weiter.

12. Le Chat → Vibe

Le Chat startete 2024 als Endnutzerassistent und wurde 2026 funktional in Vibe als breitere Arbeits- und Agentenoberfläche überführt.

Historische Screenshots und Produktbeschreibungen bleiben unter Le Chat korrekt.

13. Mistral AI Studio

Studio ist die Entwickler- und Unternehmensoberfläche für Modelle, Agents, Arbeitsabläufe, Prompts, Skills, Connectors und Evaluation.

Studio ist nicht dasselbe wie Vibe als Endnutzer-/Arbeitsoberfläche.

14. API

Mistral stellt Chat Completions, Conversations, Agents, OCR, Audio, Embeddings, Moderation und weitere spezialisierte Endpunkte bereit.

Kompatible SDKs und Native APIs können unterschiedliche Funktionen besitzen.

15. Self-Hosting

Offene Mistral-Gewichte können in eigener Infrastruktur betrieben werden.

Dann übernimmt der Betreiber Serving, Security, Logs, Moderation, Updates und Toolrechte.

16. Souveränität als 2026er Hauptthema

Mistral verbindet offene Modelle zunehmend mit regionaler Inferenz und eigener europäischer Compute-Strategie.

Modelloffenheit und Datenresidenz sind dabei getrennte, aber ergänzende Kontrollebenen.

17. 27. September 2023: Mistral 7B

Mistral 7B ist das erste veröffentlichte Modell des Unternehmens und besitzt 7,3 Milliarden Parameter.

Es wurde unter Apache 2.0 freigegeben und konnte lokal, auf Cloudplattformen oder über vLLM betrieben werden.

18. Grouped-Query Attention

Mistral 7B verwendet GQA, um Inferenz effizienter als klassische Multi-Head-Attention zu machen.

Weniger Key-/Value-Heads reduzieren Cache- und Speicherbedarf.

19. Sliding Window Attention

Mistral 7B verwendet Sliding Window Attention mit einem lokalen Fenster von 4096 Zuständen.

Gestapelte Transformer-Layer ermöglichen trotzdem Informationsfluss über größere effektive Distanzen.

20. Rotierender KV-Cache

Durch das feste Sliding Window kann ein rotierender Cache verwendet werden.

Das spart bei langen Sequenzen Speicher gegenüber unbeschränkter Vollattention.

21. 16K-Effizienz

Mistral zeigte für 16K-Sequenzen deutliche Geschwindigkeitsvorteile durch SWA und optimierte Kernels.

Benchmarkwerte hängen von Hardware und Runtime ab.

22. Coding

Mistral 7B erreichte für seine Größe starke Codeleistungen.

Es war dennoch ein allgemeines Sprachmodell, kein spezialisierter Codestral-Vorläufer im engeren Sinn.

23. Englisch

Das erste Modell fokussierte stark auf englische Textaufgaben.

Spätere Mistral-Generationen wurden deutlich multilingualer.

24. Mistral 7B Instruct

Mistral veröffentlichte eine instructionoptimierte Variante als Demonstration leichter Fine-Tuning-Fähigkeit.

Die frühe Instruct-Version hatte keine serverseitige Moderationsschicht im Gewicht.

25. Keine eingebaute Moderation

Mistral wies ausdrücklich darauf hin, dass die erste Instruct-Variante keine Moderationsmechanik enthielt.

Open-Weight-Deployment verlangt deshalb eigene Guardrails.

26. Fine-Tuning

Mistral 7B war bewusst leicht anpassbar.

Diese Customization-Philosophie blieb bis Forge und Enterprise-Post-Training erhalten.

27. Hugging Face

Die Gewichte wurden direkt über Hugging Face zugänglich gemacht.

Das erleichterte Community-Finetunes und schnelle Runtimeintegration.

28. vLLM

Mistral nannte vLLM früh als Referenz für Serverinferenz.

Die enge Open-Serving-Integration wurde später ein strategischer Vorteil.

29. Lokale Nutzung

7B war 2023 auf starken Consumer-GPUs beziehungsweise quantisiert auch auf kleineren Systemen realistisch.

Das machte Mistral sofort für lokale Privacy- und Edge-Szenarien attraktiv.

30. Bedeutung

Mistral 7B demonstrierte, dass ein kleines neues europäisches Team innerhalb weniger Monate ein konkurrenzfähiges offenes Modell veröffentlichen konnte.

Die Kombination aus Effizienz, Lizenz und Entwicklerfreundlichkeit machte den Release historisch wichtiger als reine Benchmarkwerte.

31. 11. Dezember 2023: Mixtral 8x7B

Mixtral 8x7B ist Mistrals erster großer Sparse-Mixture-of-Experts-Release.

Das Modell wird unter Apache 2.0 veröffentlicht und bringt MoE in ein breit nutzbares Open-Weight-Modell.

32. Acht Experten

Jede Feed-Forward-Schicht enthält acht Experten, von denen pro Token nur ein Teil aktiviert wird.

Gesamtparameter und aktive Rechenparameter unterscheiden sich dadurch.

33. Aktive Parameter

Mixtral erreicht hohe Modellkapazität, ohne für jedes Token alle Experten zu rechnen.

MoE spart FLOPs, aber nicht automatisch den gesamten Gewichtsspeicher.

34. Router

Ein Router entscheidet tokenweise, welche Experten verwendet werden.

Routingqualität beeinflusst Spezialisierung und Lastverteilung.

35. 32K Kontext

Mixtral unterstützt 32K Kontext.

Das war Ende 2023 deutlich länger als bei vielen kleineren offenen Chatmodellen.

36. Mehrsprachigkeit

Mixtral unterstützt Englisch, Französisch, Italienisch, Deutsch und Spanisch besonders stark.

Multilingualität wird später zu einem Kernmerkmal von Mistral.

37. Coding

Mixtral liefert starke Codeleistung neben allgemeinem Chat.

Spezialisierte Codingmodelle folgen 2024 mit Codestral.

38. Apache 2.0

Die permissive Lizenz erlaubt breite kommerzielle und lokale Nutzung.

Das war ein wichtiger Gegensatz zu manchen zeitgenössischen restriktiveren Modelllizenzen.

39. Mixtral Instruct

Die instructionoptimierte Version machte MoE direkt als Chatmodell nutzbar.

Base und Instruct werden für Fine-Tuning beziehungsweise direkte Assistenz getrennt verwendet.

40. 11. Dezember 2023: La Plateforme

Am selben Tag öffnete Mistral eine erste Beta seiner Entwicklerplattform.

Sie brachte gehostete Chat- und Embedding-Endpunkte neben den offenen Gewichten.

41. mistral-tiny, mistral-small, mistral-medium

Die frühe Plattform abstrahierte verschiedene Preis-/Leistungsstufen hinter API-Endpunkten.

Diese Produktnamen waren Alias- und Plattformklassen, nicht immer direkte Checkpointnamen.

42. Mistral Medium als früher Prototyp

Der damalige Medium-Endpunkt nutzte ein stärkeres noch nicht offen veröffentlichtes Modell.

Mistral kombinierte damit schon 2023 offene und proprietäre Entwicklung.

43. Embedding-Endpunkt

La Plateforme startete zusätzlich mit semantischen Embeddings.

Retrieval und RAG wurden damit früh Teil der Entwicklerplattform.

44. Alignment

Mistral beschrieb Fine-Tuning und Direct Preference Optimization als zentrale Ausrichtungsverfahren für gehostete Modelle.

Alignment ist damit eine eigene Post-Training-Schicht über Pretraining hinaus.

45. 11. Dezember 2023: Series A

Die Unternehmenschronik führt am selben Tag die Series-A-Runde.

Modellrelease, Plattform und Kapitalausbau fielen zeitlich zusammen.

46. 26. Februar 2024: Mistral Large

Mistral Large wurde als neues proprietäres Flagship über La Plateforme veröffentlicht.

Es fokussierte komplexes Reasoning, multilingualen Text und Code.

47. Fünf Kernsprachen

Mistral Large war nativ stark in Englisch, Französisch, Spanisch, Deutsch und Italienisch.

Später wächst die Sprachabdeckung weiter.

48. Reasoning

Mistral positionierte Large als Spitzenmodell für komplexe Schlussfolgerungen.

Damals existierte noch keine separate Magistral-Reasoningfamilie.

49. Code

Codegenerierung gehörte zur allgemeinen Large-Kompetenz.

Codestral spezialisierte sich später stärker auf Softwareentwicklung.

50. Microsoft Azure

Mistral Large wurde zusätzlich über Azure bereitgestellt.

Das war Mistrals erste große Distributionpartnerschaft für ein proprietäres Flagship.

51. Mistral Small 2024

Parallel erschien eine neue Small-Klasse als günstigeres, schnelleres kommerzielles Modell.

Small war stärker als die frühen Open-Endpunkte, aber für niedrige Latenz optimiert.

52. Mistral Next

Ein experimenteller kurzer und prägnanter Prototyp wurde als `mistral-next` getestet.

Der Modellpfad ist später retired und für neue Integrationen irrelevant.

53. 26. Februar 2024: Le Chat

Le Chat startet als Mistrals eigene Endnutzer-Chatoberfläche.

Die Oberfläche machte Large/Small erstmals direkt außerhalb von Entwickler-APIs zugänglich.

54. Le Chat

Der französische Name bedeutet „die Katze“ und wurde bewusst als europäische Produktidentität eingesetzt.

Später bleibt Chat als Modus in Vibe erhalten.

55. Frühes Le Chat

Die erste Version konzentrierte sich auf schnellen Chat mit Mistral-Modellen.

Websuche, Canvas, Bilder, Agents und Arbeitsabläufe kamen schrittweise später hinzu.

56. 17. April 2024: Mixtral 8x22B

Mixtral 8x22B erweitert die offene MoE-Linie auf 141B Gesamt- und 39B aktive Parameter.

Der Release steht unter Apache 2.0.

57. 64K Kontext

8x22B verdoppelt den Mixtral-Kontext auf 64K.

Long-Document-Aufgaben werden dadurch praktischer.

58. Native Function Calling

Mixtral 8x22B wurde nativ für Function Calling ausgerichtet.

Toolaufrufe benötigen dennoch externe Validierung und Rechtekontrolle.

59. Sprachen

Englisch, Französisch, Italienisch, Deutsch und Spanisch werden erneut besonders hervorgehoben.

Das Modell ist damit ein früher europäischer multilingualer Open-Weight-Flagship.

60. Mathematik

8x22B verbessert mathematische Fähigkeiten.

Formale Verifikation bleibt von natürlichem Reasoning getrennt.

61. Coding

Auch Codeleistung steigt erheblich.

Der kurz darauf folgende Codestral-Release zeigt dennoch den Wert von Spezialisierung.

62. 29. Mai 2024: Codestral

Codestral wird als erstes dediziertes generatives Code-Modell von Mistral vorgestellt.

Es ist für Codegenerierung, Completion und Fill-in-the-Middle optimiert.

63. 22B-Klasse

Die erste Codestral-Generation besitzt ungefähr 22B Parameter.

Sie ist deutlich größer als Mistral 7B, bleibt aber wesentlich kompakter als spätere Devstral-Modelle.

64. Mehr als 80 Programmiersprachen

Codestral wird für sehr breite Programmiersprachenabdeckung trainiert.

Die Qualität ist trotzdem nicht in jeder seltenen Sprache identisch.

65. Fill-in-the-Middle

FIM ist eine Kernfähigkeit für IDE-Completion zwischen bestehendem Präfix und Suffix.

FIM und Chatcompletion sind unterschiedliche Inferenzformen.

66. 32K Kontext

Die erste Codestral-Version unterstützt 32K Kontext.

Repositoryarbeit benötigt trotzdem gezieltes Dateiretrieval.

67. Non-Production-Lizenz

Die ursprünglichen Codestral-Gewichte wurden unter Mistrals Non-Production-Lizenz veröffentlicht.

Für produktive kommerzielle Nutzung galten andere API-/Vertragswege.

68. Codestral API

Parallel bot Mistral einen dedizierten API-Endpunkt an.

Gehosteter API-Zugang und heruntergeladene Gewichte unterlagen nicht denselben Bedingungen.

69. Code Completion in Echtzeit

Codestral zielte auf niedrige Latenz in Entwicklungsumgebungen.

Später wird der FIM-Pfad mit Codestral 25.01 und 25.08 weiterentwickelt.

70. 5. Juni 2024: Fine-Tuning-Werkzeuge

Mistral baute La Plateforme um Fine-Tuning- und Customizationfunktionen aus.

Anpassung bleibt ein Kernthema von offenen Gewichten bis Forge.

71. Fine-Tuning Hackathon

Der 2024er Hackathon demonstrierte Fine-Tuning über reale Datensätze und Anwendungen.

Fine-Tuning kann Domänenleistung verbessern, aber auch Safety oder Allgemeinwissen verschlechtern.

72. 16. Juli 2024: MathΣtral

Mathstral ist ein 7B-Mathematikmodell, das gemeinsam mit Project Numina entwickelt wurde.

Es steht für Mistrals frühen spezialisierten Mathematikzweig.

73. 7B Mathematik

Die kleine Modellgröße macht formale und mathematische Experimente lokal zugänglich.

Spätere Magistral- und Leanstral-Modelle verfolgen Reasoning beziehungsweise Proof Engineering auf anderer Ebene.

74. Offene Gewichte

Mathstral wurde als Open-Weight-Forschungsmodell veröffentlicht.

Die genaue Lizenz wird mit dem Checkpoint archiviert.

75. 16. Juli 2024: Codestral Mamba

Codestral Mamba untersucht State-Space-Modelle statt klassischer Transformer-Attention für Coding.

Der Release basiert auf der Mamba2-Familie und ist ein eigenständiger Architekturversuch.

76. Lineare Sequenzverarbeitung

State-Space-Modelle können lange Sequenzen mit günstigerer Skalierung verarbeiten.

Sie besitzen andere Cache- und Hardwareprofile als Transformer.

77. Coding als Architekturtest

Mistral nutzt Coding als anspruchsvolle Domäne für alternative Sequenzmodelle.

Der Mamba-Pfad ersetzt die Transformerlinie jedoch nicht.

78. 18. Juli 2024: Mistral NeMo

Mistral NeMo ist ein 12B-Modell, das gemeinsam mit NVIDIA entwickelt wurde.

Es wird unter Apache 2.0 veröffentlicht.

79. 12B Parameter

NeMo positioniert sich zwischen 7B-Kleinmodellen und größeren Servermodellen.

Die Größe ist für lokale High-End-Nutzung realistisch.

80. 128K Kontext

NeMo bringt ein sehr langes Kontextfenster in die 12B-Klasse.

Kontextkosten bleiben von KV-Cache und Runtime abhängig.

81. Quantization-Aware Training

NeMo wurde mit Quantisierungsbewusstsein trainiert und soll FP8-Inferenz ohne großen Qualitätsverlust ermöglichen.

FP8-Unterstützung setzt passende Hardware voraus.

82. Tekken-Tokenizer

Mistral NeMo führte einen neuen Tokenizer mit besserer multilingualer Effizienz ein.

Tokenizerwechsel beeinflusst Tokenkosten und Kompatibilität mit Fine-Tunes.

83. 24. Juli 2024: Mistral Large 2

Mistral Large 2 wird als deutlich stärkeres Flagship für Reasoning, Code und Multilingualität veröffentlicht.

Die Generation bildet später die Textbasis für Pixtral Large.

84. 123B Parameter

Large 2 besitzt rund 123B Parameter.

Die Größe ist wesentlich höher als NeMo und Small, aber noch dense.

85. 128K Kontext

Large 2 erweitert den Long-Context-Pfad auf Flagshipniveau.

Retrieval und Dokumentstruktur bleiben trotz großer Fenster relevant.

86. Coding

Large 2 wurde stark auf Coding und Tool Use optimiert.

Spätere Devstral-Modelle spezialisieren sich noch stärker auf Software-Agenten.

87. Mehrsprachigkeit

Large 2 erweitert die Sprachabdeckung deutlich über die fünf frühen Kernsprachen.

Die Modellfamilie stärkt damit Mistrals Position für europäische und internationale Deployments.

88. Function Calling

Large 2 unterstützt strukturierte Toolaufrufe.

Toolschemas werden außerhalb des Modells validiert.

89. Open Weight mit eigener Lizenz

Large 2 wurde als Open-Weight-Modell veröffentlicht, aber nicht einfach als Apache-2.0-Standardmodell behandelt.

Die konkrete Lizenzdatei bleibt verbindlich.

90. 17. September 2024: Pixtral 12B

Pixtral 12B ist Mistrals erstes dediziertes multimodales Open-Weight-Modell.

Es verbindet einen 400M-Visionencoder mit einem 12B-Decoder auf NeMo-Basis.

91. Nativ multimodal

Pixtral wurde mit interleavten Bild- und Textdaten trainiert.

Vision ist damit Teil des Modelltrainings statt nur ein externer OCR-Vorschritt.

92. Variable Bildgrößen

Pixtral verarbeitet natürliche Bildauflösungen und Seitenverhältnisse flexibel.

Die Zahl visueller Tokens hängt dadurch vom Bild ab.

93. Mehrere Bilder

Im 128K-Kontext können mehrere Bilder gemeinsam verarbeitet werden.

Bildanzahl und Auflösung konkurrieren mit Text um das Kontextbudget.

94. Dokumentverständnis

Pixtral wurde stark auf Diagramme, Dokumente und visuelle Fragen ausgerichtet.

Später übernimmt Mistral OCR spezialisierte Dokumentextraktion.

95. Apache 2.0

Pixtral 12B wurde permissiv offen veröffentlicht.

Der Modellpfad ist heute deprecated, bleibt aber historisch wichtig.

96. 17. September 2024: AI in abundance

Mistral erweiterte Plattform, kostenlose Nutzung und Modellzugang.

Die Strategie verband offene Gewichte mit skalierbarer gehosteter Distribution.

97. 16. Oktober 2024: Ministral 3B und 8B

Die erste Ministral-Familie zielt auf Edge- und lokale Inferenz.

3B und 8B werden für niedrige Latenz, lokale Kontrolle und On-Device-Szenarien positioniert.

98. Ministral 3B

Die 3B-Klasse ist für kleine Geräte und kostengünstige lokale Aufgaben gedacht.

Sie ist nicht mit der späteren Ministral-3-Modellgeneration von Dezember 2025 zu verwechseln.

99. Ministral 8B

8B bietet deutlich mehr Kapazität bei weiterhin lokaler Zielsetzung.

Die Namensähnlichkeit zu Ministral 3 8B erfordert saubere Datierung.

100. Edge AI

Ministral verlagert Inferenz näher an Datenquellen und Geräte.

Edge reduziert Cloudabhängigkeit, aber nicht automatisch Modell- oder Anwendungssicherheitsrisiken.

101. 7. November 2024: Mistral Moderation API

Mistral veröffentlicht einen spezialisierten Textmoderationsdienst.

Die erste Generation verarbeitet schädliche Kategorien über einen eigenen Endpunkt.

102. Moderation ≠ Chat

Ein Moderationsmodell klassifiziert Inhalte statt normale Assistenzantworten zu generieren.

Safety-Entscheidungen sollten nicht allein aus einem allgemeinen LLM-Prompt abgeleitet werden.

103. 7. November 2024: Batch API

Batchverarbeitung ermöglicht große asynchrone Inferenzjobs zu anderen Kosten-/Latenzprofilen.

Batch ist für Offlineverarbeitung geeignet, nicht für interaktive Antworten.

104. 18. November 2024: Le Chat wird deutlich ausgebaut

Le Chat erhält Websuche mit Zitaten, Canvas, Dokument-/Bildverständnis und Bildgenerierung.

Die Oberfläche entwickelt sich vom reinen Chat zur produktiven Arbeitsumgebung.

105. Websuche mit Zitaten

Le Chat kann aktuelle Quellen suchen und in Antworten referenzieren.

Zitate erhöhen Prüfbarkeit, garantieren aber keine korrekte Interpretation.

106. Canvas

Canvas unterstützte Inline-Editing, Ideation und Export.

Diese historische Funktion wird später von breiteren Vibe-/Work-Artefaktpfaden abgelöst.

107. Bildgenerierung über Black Forest Labs

Le Chat verwendete für Bildgenerierung externe FLUX-Modelle.

Die Bildfunktion war daher nicht automatisch ein Mistral-eigenes Bildmodell.

108. 18. November 2024: Pixtral Large

Pixtral Large erweitert Large 2 um einen 1B-Visionencoder und ergibt ein 124B-Multimodalmodell.

Es wird als Open Weight bereitgestellt und unterstützt 128K Kontext.

109. 123B Decoder + 1B Vision

Die Sprachkomponente basiert auf Mistral Large 2.

Bildencoder und Decoder werden getrennt als Architekturkomponenten verstanden.

110. Viele hochauflösende Bilder

Der 128K-Kontext kann laut Mistral mindestens rund 30 hochauflösende Bilder aufnehmen.

Praktische Kapazität hängt von Bildtokenisierung und begleitendem Text ab.

111. Pixtral-Linie heute historisch

Pixtral 12B und Large sind inzwischen deprecated und durch modernere multimodale Generalisten ersetzt.

Sie bleiben wichtige Meilensteine in Mistrals Visiongeschichte.

112. 13. Januar 2025: Codestral 25.01

Codestral erhält einen neuen produktionsorientierten Stand für Codegenerierung und Completion.

Die Modelllinie bleibt auf schnelle Entwicklerinteraktion und FIM optimiert.

113. Längerer Codekontext

Neuere Codestral-Stände erweitern Kontext und Completionqualität gegenüber 2024.

Repositoryaufgaben benötigen dennoch Agenten und Retrieval.

114. FIM bleibt Kern

Fill-in-the-Middle bleibt das zentrale Codestral-Feature.

FIM ist besonders für IDE-Completion, nicht für langes Software-Reasoning optimiert.

115. 30. Januar 2025: Mistral Small 3

Mistral Small 3 wird als schneller, offener 24B-Allrounder veröffentlicht.

Das Modell steht unter Apache 2.0 und zielt auf lokale beziehungsweise kostengünstige Inferenz.

116. 24B Parameter

Small 3 ist dense und wesentlich kleiner als damalige Frontiermodelle.

Die Größe passt auf starke Consumer- oder einzelne Datacenter-GPUs mit geeigneter Präzision.

117. Latenz

Mistral positioniert Small 3 besonders für niedrige Latenz und hohe Ausgabegeschwindigkeit.

Durchsatz hängt von Quantisierung, Batch und Hardware ab.

118. Apache 2.0

Small 3 setzt Mistrals permissive Open-Weight-Linie fort.

Das erleichtert lokale Produktintegration und Fine-Tuning.

119. Allgemeine Assistenz

Small 3 ist kein reines Spezialmodell, sondern für Chat, Code, Wissensaufgaben und Function Calling gedacht.

Reasoning und Vision werden erst später in Small 4 vollständig zusammengeführt.

120. 6. Februar 2025: das neue Le Chat

Mistral überarbeitet Le Chat grundlegend als schnellen Assistenten für Alltag und Arbeit.

Die neue Generation erweitert Recherche, Dokumente, Bilder, Code und Produktivität.

121. Sehr schnelle Antworten

Mistral hebt die niedrige Latenz des Assistenten als Produktmerkmal hervor.

Gefühlte Geschwindigkeit hängt neben Modell auch vom Streaming und Toolpfad ab.

122. Journalismus und Nachrichten

Le Chat integriert aktuelle Informationsquellen und Partnerschaften für Webinhalte.

Quelle und Modellantwort werden getrennt geprüft.

123. Dokumentuploads

Nutzer können Dokumente hochladen und analysieren.

OCR und Dokumentverständnis werden später durch spezialisierte OCR-Modelle verstärkt.

124. Bildgenerierung

Bildgenerierung bleibt ein integriertes Produktfeature.

Das jeweilige Bildmodell kann von einem externen Anbieter stammen.

125. Le Chat Pro

Ein kostenpflichtiger Tarif erhöht Nutzungslimits und Zugriff auf leistungsfähigere Funktionen.

Tarif und Modell sind getrennte Ebenen.

126. Mobile Apps

Le Chat wird auf iOS und Android stärker als Consumerassistent verfügbar.

App- und Webrollouts können zeitlich auseinanderliegen.

127. 17. Februar 2025: Mistral Saba

Mistral Saba ist ein regional spezialisiertes Modell für den Nahen Osten und Südasien.

Es zeigt, dass Mistral neben globalen Generalisten bewusst regionale Sprach-/Kulturmodelle entwickelt.

128. Arabisch

Saba fokussiert besonders arabische Sprach- und Kulturkontexte.

Regional spezialisierte Modelle können bei Dialekten und kulturellem Wissen besser als globale Modelle sein.

129. Südasiatische Sprachen

Die Modellstrategie umfasst zusätzlich südasiatische Sprachräume.

Regionale Spezialisierung ist von Datenresidenz getrennt.

130. 6. März 2025: Mistral OCR

Mistral OCR startet als spezialisierter Dokumentextraktionsdienst.

Er wandelt komplexe PDFs und Bilder in strukturierbaren Text und eingebettete Medien um.

131. Document AI

OCR bildet die Ingestion-Schicht für RAG, Enterprise Search und Dokumentagenten.

Textgenerierung und Dokumentextraktion sind unterschiedliche Modellaufgaben.

132. Formeln

Mistral OCR ist auf mathematische Formeln und wissenschaftliche Dokumente ausgelegt.

OCR-Ausgabe sollte bei kritischen Gleichungen gegen das Original geprüft werden.

133. Tabellen

Tabellen und Layoutinformationen werden besser erhalten als bei einfacher Plain-Text-OCR.

Spätere OCR-4-Generationen ergänzen explizite Bounding Boxes und Blocktypen.

134. Bilder in Dokumenten

Dokumentextraktion kann eingebettete Bilder identifizieren und referenzieren.

Bildinhalt und extrahierter Text werden getrennt behandelt.

135. 17. März 2025: Mistral Small 3.1

Small 3.1 erweitert den 24B-Open-Weight-Generalisten um Vision und längeren Kontext.

Es wird ein wichtiger lokaler multimodaler Mistral-Pfad.

136. Vision

Small 3.1 kann Text und Bilder gemeinsam verarbeiten.

Die separate Pixtral-Linie wird dadurch zunehmend weniger nötig.

137. 128K Kontext

Der Kontext wird auf lange Dokument- und Agentenaufgaben ausgerichtet.

Runtime und GPU-Speicher begrenzen lokale Nutzung.

138. Function Calling

Small 3.1 unterstützt Tool Use für Agenten.

Das Modell erzeugt Toolentscheidungen, aber der Client kontrolliert die Ausführung.

139. Lokale Multimodalität

24B bleibt für High-End-On-Prem-Systeme deutlich zugänglicher als Pixtral Large.

Das stärkt Mistrals Privacy-/Sovereignty-Argument.

140. 7. Mai 2025: Mistral Medium 3

Medium 3 wird als neue Frontierklasse zwischen Small und Large positioniert.

Das Modell fokussiert professionelle Anwendungen, Code, Multimodalität und einfache Enterprise-Deployments.

141. 128K Kontext

Medium 3 unterstützt lange Kontexte für Dokumente und Tool-Arbeitsabläufe.

Der spätere Medium-3.5-Nachfolger verdoppelt den Kontext auf 256K.

142. Multimodal

Medium 3 verarbeitet Text und Bilder.

Die Modellfamilie trägt die Fähigkeiten früherer Pixtral-Spezialisten in den Generalisten.

143. Enterprise Deployment

Mistral bietet Hybrid-, On-Prem- und In-VPC-Bereitstellung.

Das unterscheidet Mistral von rein gehosteten Frontiermodellen.

144. 7. Mai 2025: Le Chat Enterprise

Le Chat Enterprise verbindet Assistent, Enterprise Search, Agent Builder, Libraries, Connectors und Custom Models.

Es ist als vollständig anpassbare Unternehmensarbeitsoberfläche gedacht.

145. Enterprise Search

Interne Dateien und externe Systeme können gemeinsam durchsucht werden.

ACLs müssen aus den Quellsystemen respektiert werden.

146. Libraries

Dokumentbibliotheken bündeln wiederverwendbare Wissensquellen.

Bibliothekspersistenz ist von einzelnen Chat-Uploads getrennt.

147. Connectors

Google Drive, SharePoint, OneDrive, Kalender und Gmail gehörten zu den frühen Enterprise-Verbindungen.

Später kommen MCP und feinere Connectorsteuerung hinzu.

148. Agent Builder

Unternehmen können spezialisierte Assistenten/Agenten ohne Code konfigurieren.

Instruktionen ersetzen keine technischen Berechtigungen.

149. Hybrid Deployment

Le Chat Enterprise kann SaaS, Private Cloud oder Self-Hosted eingesetzt werden.

Deploymentform bestimmt Datenpfad und Kontrollniveau.

150. Audit Logging

Enterprise bietet Audit- und Speicherfunktionen.

Auditlogs enthalten selbst schützenswerte Aktivitätsdaten.

151. 21. Mai 2025: Devstral

Devstral startet als offenes Modell speziell für Software-Engineering-Agenten.

Es ist nicht nur Completion, sondern für Repositorynavigation, Dateiänderungen und Toolnutzung trainiert.

152. 24B-Klasse

Die erste Devstral-Version ist klein genug für lokale Workstations und einzelne starke GPUs.

Das macht Agentic Coding außerhalb großer Cloudmodelle realistischer.

153. SWE-bench

Mistral evaluiert Devstral auf realistischen Software-Engineering-Aufgaben.

Agentenharness und Toolsetup sind Teil des Benchmarkresultats.

154. Tool Use

Devstral soll Codebase explorieren, Dateien editieren und Tests ausführen.

Shell und Repositoryrechte müssen begrenzt werden.

155. 27. Mai 2025: Mistral Agents API

Die Agents API bringt persistente Agenten, Tools, Handoffs und Conversations in die Plattform.

Sie erweitert Chat Completions um langfristigere, toolorientierte Zustände.

156. Conversations

Conversations speichern Verlauf und Toolinteraktionen serverseitig strukturierter als reine Chat-Completions-Requests.

Persistenz und Retention sind von zustandslosen API-Aufrufen zu unterscheiden.

157. Built-in Tools

Mistral-Agenten können Web Search, Code Interpreter, Document Library und weitere Werkzeuge nutzen.

Toolzugriff wird serverseitig beziehungsweise anwendungsseitig kontrolliert.

158. Agent Handoffs

Spezialisierte Agenten können Aufgaben an andere Agenten übergeben.

Die Übergabe muss Kontext und Berechtigungen gezielt beschränken.

159. 28. Mai 2025: Codestral Embed

Codestral Embed ist ein spezialisiertes Embeddingmodell für Code Retrieval.

Es bildet Code und natürliche Sprache in Vektoren für semantische Suche ab.

160. Code-RAG

Codeembeddings helfen, relevante Dateien und Funktionen vor einem Coding-Agentenaufruf zu finden.

Retrievalqualität beeinflusst Agentenleistung stark.

161. 4. Juni 2025: Mistral Code

Mistral Code wird als Enterprise-Codingassistent und Agentenprodukt eingeführt.

Es verbindet Codestral/Devstral, IDE-Integration, Repositorykontext und Sicherheitskontrollen.

162. Enterprise Coding

Der Fokus liegt auf großen privaten Codebasen und kontrollierter Softwareentwicklung.

Modelle und Indexe können On-Prem oder in privaten Umgebungen betrieben werden.

163. 10. Juni 2025: Magistral

Magistral ist Mistrals erste explizite Reasoning-Modellfamilie.

Sie umfasst einen offenen Small-Pfad und einen stärkeren kommerziellen Medium-Pfad.

164. Magistral Small

Die kleinere Reasoningklasse ist offen und für lokale/On-Prem-Nutzung gedacht.

Später wird sie durch Mistral Small 4 abgelöst.

165. Magistral Medium

Medium bildet die leistungsfähigere gehostete Reasoningklasse.

Spätere Medium 3.5 vereinigt Reasoning wieder mit Generalist und Coding.

166. Reasoning Trace

Magistral erzeugt explizite, längere Reasoningschritte vor einer Antwort.

Reasoning kann Fehler enthalten und ist kein Wahrheitsbeweis.

167. Mehrsprachiges Reasoning

Mistral betont Reasoning auch außerhalb von Englisch.

Dies ist für europäische Sprachräume ein strategisches Merkmal.

168. 11. Juni 2025: Mistral Compute

Mistral erweitert sich von Modellen und Software in Richtung eigener AI-Compute-Angebote.

Compute wird 2026 zum Kern der Souveränitätsstrategie.

169. Compute + Modelle

Unternehmen können Infrastruktur und Modelle stärker aus einer Hand beziehen.

Compute-Standort und Modelllizenz bleiben getrennte Dimensionen.

170. 10. Juli 2025: neue Devstral-Modelle

Mistral erweitert Devstral um stärkere Varianten für Agentic Coding.

Die Familie entwickelt sich rasch von einem einzelnen Open-Weight-Modell zu mehreren Leistungsstufen.

171. Devstral Medium

Eine stärkere Medium-Klasse zielt auf komplexere Software-Engineering-Aufgaben.

Sie war später selbst nur ein Zwischenstand vor Devstral 2 und Medium 3.5.

172. Devstral Small

Die kleinere Klasse bleibt für lokale und kostengünstige Agenten relevant.

Größe und Lizenz unterscheiden sich je Revision.

173. 15. Juli 2025: Voxtral

Voxtral startet als offene Speech-Understanding-Familie mit 24B- und 3B-Modellen.

Die Modelle werden unter Apache 2.0 veröffentlicht.

174. Voxtral Small 24B

Die größere Voxtral-Klasse fokussiert hochwertige Audioanalyse und Sprachverständnis.

Audioinput wird direkt in den Modellkontext integriert.

175. Voxtral Mini 3B

Die kleinere Variante ist für Edge- und lokale Anwendungen gedacht.

Sie reduziert Hardwarebedarf bei weiterhin breiter Sprachabdeckung.

176. Voxtral Mini Transcribe

Ein spezialisierter API-Pfad optimiert Voxtral für Speech-to-Text.

Transkription und allgemeines Audioverständnis sind getrennte Modellaufgaben.

177. Apache 2.0

Die offenen Voxtral-Gewichte stärken Mistrals lokale Speech-Strategie.

Spätere Realtime- und TTS-Modelle verwenden teilweise andere Lizenzen.

178. 17. Juli 2025: Le Chat dives deep

Le Chat erhält einen vertieften Researchmodus für umfangreichere Web- und Dokumentrecherche.

Der Assistent entwickelt sich stärker in Richtung Research Agent.

179. Deep Research

Mehrstufige Suche, Quellenanalyse und Synthese werden zu einer eigenen Arbeitsweise.

Quellenqualität bleibt entscheidender als Länge des Reports.

180. Quellen

Le Chat soll Recherche mit nachvollziehbaren Belegen verbinden.

Ein Zitat kann trotzdem falsch einer Behauptung zugeordnet sein.

181. 30. Juli 2025: Codestral 25.08

Codestral 25.08 wird zum produktionsreifen FIM- und Codegenerationsmodell mit 128K Kontext.

Es ist auf niedrig-latente, hochfrequente Entwickleranfragen spezialisiert.

182. 128K Kontext

Die Completionlinie kann deutlich mehr Repository- und Dateiumfeld berücksichtigen.

Für agentisches Refactoring bleibt gezieltes Retrieval sinnvoll.

183. Kompletter Coding Stack

Mistral bündelt Codestral, Devstral und Mistral Code zu einem Enterprise-Codingangebot.

Completion, Agent und IDE-Plattform sind dabei separate Komponenten.

184. 2. September 2025: Memory

Le Chat erhält persistente Erinnerungsfunktionen.

Memory ist getrennt vom Kontextfenster und kann über Sitzungen hinweg wirken.

185. Memory-Kontrolle

Nutzer sollen gespeicherte Erinnerungen verwalten können.

Fehlerhafte Memoryeinträge können spätere Antworten systematisch beeinflussen.

186. 2. September 2025: Custom MCP Connectors

Le Chat kann externe MCP-Tools und Datenquellen anbinden.

MCP erweitert die Reichweite des Assistenten erheblich und erhöht zugleich das Sicherheitsrisiko.

187. 9. September 2025: 1,7 Milliarden Euro Series C

Mistral meldet eine Series-C-Runde bei 11,7 Milliarden Euro Post-Money-Bewertung.

ASML führt die Runde und verbindet Finanzierung mit strategischer Industriepartnerschaft.

188. ASML-Partnerschaft

Die Zusammenarbeit zielt auf AI in Halbleiter- und Engineeringprozessen.

Industrie-AI wird damit neben allgemeiner Assistenz zum strategischen Schwerpunkt.

189. 18. September 2025: Magistral 1.2

Magistral Small und Medium erhalten multimodale Reasoning-Updates.

Beide werden 2026 durch Small 4 beziehungsweise Medium 3.5 ersetzt.

190. 128K Kontext

Magistral 1.2 unterstützt längere Reasoning- und Dokumentaufgaben.

Reasoninglänge zählt zum Kontextbudget.

191. 24. Oktober 2025: Mistral AI Studio

La Plateforme entwickelt sich zu einer umfassenderen Studio-Oberfläche für Modelle, Agents und Unternehmensanwendungen.

Die Marke Studio wird 2026 um Arbeitsabläufe, Skills, Connectors und Governance erweitert.

192. Evaluierung

Studio unterstützt Tests und Vergleich von Modellen und Prompts.

Eigene Evals sind wichtiger als öffentliche Benchmarks allein.

193. Promptverwaltung

Prompts werden als versionierbare Entwicklungsartefakte behandelt.

2026 wird daraus ein expliziter System-of-Record-Ansatz.

194. Vibe folgt erst im Dezember 2025

Am 24. Oktober 2025 stellte Mistral AI Studio vor; Mistral Vibe wurde an diesem Tag noch nicht als Produkt eingeführt.

Die erste offizielle Vibe-Veröffentlichung folgte am 9. Dezember 2025 als Mistral Vibe CLI zusammen mit Devstral 2. Die Vereinheitlichung von Le Chat, Work und Code unter Vibe erfolgte erst am 28. Mai 2026.

195. Work

Vibe Work ist für Recherche, Dokumente, Tools und mehrstufige Wissensarbeit gedacht.

Es ist agentischer als klassischer Chat.

196. Code

Vibe Code fokussiert Softwareentwicklung, Repositoryarbeit und Toolnutzung.

Später existieren CLI, VS-Code-Erweiterung und Cloudsessions.

197. Chat

Der Chat-Modus bewahrt die klassische Le-Chat-Nutzung.

Le Chat verschwindet damit funktional nicht vollständig, sondern wird Teil einer größeren Oberfläche.

198. Long-Horizon Work

Vibe ist darauf ausgelegt, mehrstufige Aufgaben über längere Zeit zu verfolgen.

Das verlangt persistente Zustände, Toolkontrolle und Fortschrittsmanagement.

199. 2. Dezember 2025: Mistral 3

Mistral 3 bündelt Mistral Large 3 und die neue Ministral-3-Familie.

Alle veröffentlichten Hauptmodelle stehen unter Apache 2.0.

200. Mistral Large 3

Large 3 ist ein 675B-Gesamtparameter-MoE mit 41B aktiven Parametern.

Es ist Mistrals erstes großes MoE-Flagship seit Mixtral.

201. 256K Kontext

Large 3 unterstützt 256K Kontext.

Das Modell ist nativ multimodal und multilingual.

202. Training auf 3000 H200

Mistral nennt 3000 NVIDIA H200 GPUs als Trainingsinfrastruktur.

Hardwareangabe beschreibt den Trainingslauf, nicht sämtliche Forschungskosten.

203. Apache 2.0

Large 3 wird vollständig offen gewichtet veröffentlicht.

Das ist für ein Frontier-MoE dieser Größe strategisch bedeutsam.

204. Ministral 3

Die neue Generation erscheint in 3B, 8B und 14B.

Der Name bezeichnet eine Modellgeneration, nicht nur die alte 3B-Größe von 2024.

205. Base-Varianten

Jede Größe besitzt Basismodelle für Fine-Tuning und Forschung.

Base und Instruct/Reasoning unterscheiden sich in Post-Training.

206. Instruct-Varianten

Instruct ist für schnelle allgemeine Assistenz und Tools optimiert.

Reasoningvarianten dürfen länger denken.

207. Reasoning-Varianten

Für jede Größe werden eigene Reasoningstände bereitgestellt.

Das gibt Entwicklern Kontrolle über Latenz und Denktiefe.

208. Bildverständnis

Alle Größen besitzen multimodale Bildfähigkeiten.

Edge-Modelle werden damit erstmals breit visuell.

209. 256K Kontext

Ministral 3 bietet 256K Kontext in kleinen Modellgrößen.

Lokale KV-/Visionkosten bleiben hardwareabhängig.

210. 9. Dezember 2025: Devstral 2

Devstral 2 erscheint als 123B-Code-Agentenmodell zusammen mit Devstral Small 2 24B.

Die Familie zielt auf end-to-end Software-Engineering-Agenten.

211. 123B

Die große Variante ist für sehr starke Agentic-Coding-Leistung ausgelegt.

Sie wurde 2026 zugunsten Medium 3.5 deprecated.

212. Devstral Small 2 24B

Die kleinere Variante ist lokal auf Consumerhardware realistischer.

Sie steht unter Apache 2.0.

213. Modified MIT für Devstral 2

Die große 123B-Variante nutzt eine modifizierte MIT-Lizenz.

Die Lizenz darf nicht mit Small 2 gleichgesetzt werden.

214. 9. Dezember 2025: Mistral Vibe CLI

Zeitgleich mit Devstral 2 führt Mistral den Produktnamen Vibe offiziell mit einem terminalnativen Codingagenten ein.

Vibe CLI orchestriert Modell, Dateien, Shell und Softwareentwicklungswerkzeuge; die spätere Vibe-Oberfläche für Chat, Work und Code entsteht daraus schrittweise weiter.

215. 17. Dezember 2025: OCR 3

Die Document-AI-Linie erhält eine neue Generation.

Sie wird 2026 durch OCR 4/4.1 ersetzt, bleibt aber für bestehende Integrationen verfügbar.

216. 27. Januar 2026: Mistral Vibe 2.0

Vibe 2.0 erweitert den Terminalagenten um Subagenten, Skills, Rückfragen vor Aktionen und flexiblere Arbeitsmodi.

Der Agent wird enger mit Le-Chat-/Vibe-Plänen und BYOK-Nutzung verbunden.

217. Custom Subagents

Nutzer können spezialisierte Unteragenten mit eigenem Fokus konfigurieren.

Subagenten sollten nur notwendige Werkzeuge und Kontext erhalten.

218. Clarify Before Execute

Vibe kann bei Mehrdeutigkeit Rückfragen stellen, bevor eine riskante Aktion ausgeführt wird.

Das ist ein wichtiger Human-in-the-Loop-Sicherheitsmechanismus.

219. Slash-Command Skills

Wiederverwendbare Fähigkeiten können als Skills eingebunden werden.

Skills sind versionierbare Arbeitsanweisungen, keine Foundation-Modelle.

220. Bring Your Own Key

Vibe kann mit eigenem API-Schlüssel betrieben werden.

Schlüssel gehören in sichere Konfiguration, nicht in Repository oder Prompt.

221. 4. Februar 2026: Voxtral Transcribe 2

Mistral veröffentlicht eine neue Speech-to-Text-Generation für Batch- und Echtzeittranskription.

Die Familie umfasst Voxtral Mini Transcribe V2 und Voxtral Realtime.

222. Voxtral Mini Transcribe V2

Die Batchvariante fokussiert hohe Transkriptionsgenauigkeit, Sprechertrennung und Zeitstempel.

Sie unterstützt 13 Sprachen.

223. Diarization

Transcribe 2 kann Sprechersegmente auseinanderhalten.

Automatische Sprecherzuordnung kann bei überlappender Sprache Fehler machen.

224. Context Biasing

Fachbegriffe oder erwartete Namen können als Kontextbias vorgegeben werden.

Zu aggressive Biaslisten können falsche Treffer erzeugen.

225. Wortzeitstempel

Word-Level-Timestamps erleichtern Untertitel, Suche und Audioannotation.

Zeitmarken sind Schätzungen und sollten bei forensischer Nutzung geprüft werden.

226. Voxtral Realtime

Die Realtimevariante ist auf Streamingtranskription mit sehr niedriger Latenz ausgerichtet.

Mistral nennt konfigurierbare Latenzen bis unter 200 Millisekunden.

227. Apache 2.0

Voxtral Realtime wird offen gewichtet unter Apache 2.0 veröffentlicht.

Das ermöglicht On-Prem-Sprachsysteme mit geringer Latenz.

228. März 2026: Mistral Moderation 2

Moderation 2 erweitert Safety-Klassifikation auf 128K Kontext und Jailbreak-Erkennung.

Es ist ein proprietärer Dienst und nicht dasselbe wie das spätere offene Shieldstral.

229. 128K Moderationskontext

Lange Multi-Turn-Unterhaltungen können als Ganzes bewertet werden.

Safety hängt dadurch weniger von isolierten Einzelnachrichten ab.

230. Jailbreak Detection

Das Modell versucht manipulative Umgehungsversuche zu erkennen.

Kein Guardrail verhindert alle adversarialen Angriffe.

231. 16. März 2026: Mistral Small 4

Small 4 vereinigt Instruct, Reasoning, multimodale Vision und agentisches Coding in einem offenen Modell.

Es ersetzt mehrere zuvor getrennte Spezialpfade für viele allgemeine Anwendungen.

232. 119B Gesamtparameter

Small 4 ist ein MoE mit rund 119B Gesamtparametern.

Nur ein kleiner Teil wird pro Token aktiv.

233. 6–6,5B aktive Parameter

Mistrals Blog nennt etwa 6B aktive Modellparameter; die aktuelle Model Card rund 6,5B aktive Parameter.

Die leichte Abweichung wird als unterschiedliche Zählweise von Embedding-/Outputkomponenten behandelt.

234. 128 Experten, 4 aktiv

Das MoE besitzt 128 Experten, von denen pro Token vier ausgewählt werden.

Routing ermöglicht hohe Kapazität bei relativ geringer Rechenlast.

235. 256K Kontext

Small 4 unterstützt lange Dokument- und Agentenaufgaben.

Das gesamte Input-plus-Output-Budget zählt gegen das Fenster.

236. Native Multimodalität

Text und Bilder werden nativ unterstützt.

Ein separater Pixtral-Pfad ist für viele Anwendungen nicht mehr nötig.

237. Reasoning Effort

`reasoning_effort` kann schnelle Antworten oder tiefere Reasoningläufe wählen.

Reasoning ist damit konfigurierbar statt ein separates Magistral-Modell zu verlangen.

238. Reasoning none

`none` priorisiert schnelle normale Chatantworten.

Dieser Modus entspricht eher dem früheren Mistral-Small-Verhalten.

239. Reasoning high

`high` erzeugt tieferes Schlussfolgern für komplexe Aufgaben.

Mehr Reasoning erhöht Latenz und Tokenverbrauch.

240. Agentic Coding

Small 4 übernimmt Fähigkeiten aus Devstral.

Für besonders lange Coding-Agenten wird 2026 Medium 3.5 zum stärkeren Standard.

241. Apache 2.0

Small 4 ist offen unter Apache 2.0.

Es ist damit für Self-Hosting, Fine-Tuning und kommerzielle Integration besonders attraktiv.

242. Self-Hosting

Mistral nennt mehrere H100/H200- beziehungsweise B200-Konfigurationen für optimale Produktion.

Quantisierte Communitypfade können andere Hardwareziele haben.

243. 16. März 2026: Leanstral

Leanstral ist ein offener Code-Agent speziell für Lean 4 und formales Proof Engineering.

Er basiert auf der Small-4-Klasse und besitzt 119B Gesamt-/6,5B aktive Parameter.

244. Formale Beweise

Leanstral arbeitet in echten Lean-Repositories statt nur natürliche mathematische Erklärungen zu generieren.

Der Proofchecker liefert harte Korrektheitssignale.

245. Autoformalization

Natürliche mathematische Aussagen können in formale Lean-Strukturen übersetzt werden.

Formal korrekter Code beweist nur die tatsächlich formalisierten Annahmen.

246. 17. März 2026: Forge

Forge ist Mistrals System für Unternehmen, eigene frontier-nahe Modelle aus proprietärem Wissen und Daten zu bauen.

Es geht über normales Fine-Tuning hinaus und zielt auf tiefere Customization.

247. Custom Foundation Models

Organisationen können Modellverhalten und Wissen stärker an Domänen anpassen.

Eigene Modelle brauchen eigene Eval-, Safety- und Lifecycleprozesse.

248. 23. März 2026: Voxtral TTS

Mistral veröffentlicht ein 4B-Text-to-Speech-Modell mit multilingualer Sprachgenerierung und Zero-Shot Voice Cloning.

Es ist eine andere Aufgabenklasse als Voxtral Transcribe.

249. Neun Sprachen

Voxtral TTS unterstützt neun verbreitete Sprachen und mehrere Dialekte.

Sprachqualität kann je Stimme und Sprache variieren.

250. Rund 90 ms Time-to-First-Audio

Die aktuelle Model Card nennt sehr niedrige Streaminglatenz.

Netzwerk, Clientpuffer und Voice Adaptation beeinflussen reale Werte.

251. Zero-Shot Voice Cloning

Referenzaudio kann ohne Transkript als Voice Prompt dienen.

Stimmklonen verlangt Einwilligung und Missbrauchsschutz.

252. CC BY-NC 4.0

Voxtral TTS nutzt eine nicht-kommerzielle Creative-Commons-Lizenz für die Gewichte.

Diese Lizenz ist deutlich restriktiver als Apache 2.0.

253. 27. April 2026: Arbeitsabläufe Public Preview

Mistral Studio führt Arbeitsabläufe als visuell beziehungsweise deklarativ orchestrierbare Geschäftsprozesse ein.

Arbeitsabläufe verbinden Agents, Tools, Bedingungen und Unternehmensdaten.

254. Wiederholbare Abläufe

Ein Arbeitsablauf formalisiert Schritte, die sonst jedes Mal neu gepromptet würden.

Versionierung und Tests sind für geschäftskritische Automationen erforderlich.

255. Human in the Loop

Freigabeschritte können vor sensiblen Aktionen eingebaut werden.

Automatisierung wird dadurch kontrollierbar statt vollständig autonom.

256. 28. April 2026: Mistral Medium 3.5

Medium 3.5 ist ein 128B-dense, multimodales Frontiermodell für Agenten, Coding und lange Aufgaben.

Es wird als offene Gewichte unter Modified MIT veröffentlicht.

257. 128B dense

Alle Modellparameter sind pro Token aktiv.

Das unterscheidet Medium 3.5 klar vom sparse Small 4.

258. 256K Kontext

Der Kontext unterstützt große Repositories, Dokumente und langlaufende Agentensitzungen.

Agentenmemory und Kontextfenster bleiben getrennt.

259. Eigener Visionencoder

Mistral trainierte den Visionencoder von Grund auf für variable Bildgrößen und Seitenverhältnisse.

Multimodalität ist damit nativ in der aktuellen Frontierklasse.

260. Reasoning Effort

Reasoning kann je Anfrage konfiguriert werden.

Das Modell deckt schnelle Assistenz bis tiefe Agentenplanung mit denselben Gewichten ab.

261. Agentic Coding

Medium 3.5 ist auf langfristige Coding- und Toolaufgaben optimiert.

Es ersetzt Devstral 2 für neue Mistral-Vibe-Integrationen.

262. Synchronous Tool Calling

Das Modell ist auf zuverlässige strukturierte Toolaufrufe ausgelegt.

Toolresultate und Seiteneffekte werden extern kontrolliert.

263. Open Weights

Die Gewichte sind downloadbar.

Modified MIT statt Apache 2.0 muss bei Distribution berücksichtigt werden.

264. Self-Hosting auf wenigen GPUs

Mistral nennt Self-Hosting ab ungefähr vier leistungsfähigen GPUs als möglich.

Exakte GPUklasse, Präzision und Kontext bestimmen realen Speicherbedarf.

265. 22. Mai 2026: Remote Agents in Vibe

Codingagenten können in der Cloud parallel und asynchron weiterarbeiten.

Sessions laufen unabhängig von einer offenen lokalen Terminalsession.

266. Agenten starten

Remote Sessions können aus Vibe CLI oder direkt aus Le Chat/Vibe gestartet werden.

Lokale Aufgaben lassen sich in Cloudsessions überführen.

267. Parallele Agenten

Mehrere Codingaufgaben können gleichzeitig laufen.

Parallelität erhöht Kosten und Merge-Konflikte.

268. Benachrichtigung

Agenten können Nutzer nach Abschluss informieren.

Fertig bedeutet nicht automatisch fachlich geprüft.

269. Work Mode

Le Chat/Vibe erhält einen Agentenmodus für Research, Analyse und Cross-Tool-Aktionen.

Medium 3.5 ruft dafür mehrere Tools parallel auf.

270. Freigabe sensibler Aktionen

Mistral beschreibt explizite Zustimmung vor Aktionen wie Nachrichtensenden, Dokumentänderung oder Datenmodifikation.

Diese Freigabelogik ist zentral für sichere Agenten.

271. 22. Mai 2026: Built-in und Custom MCPs in Studio

Studio kann wiederverwendbare MCP-Connectoren für Unternehmensdaten und Tools verwalten.

Connectoren werden als kontrollierte Infrastruktur statt als ad-hoc-Promptkonfiguration behandelt.

272. Approval Controls

MCP-Toolaufrufe können mit Human-in-the-Loop-Freigaben versehen werden.

Serverbeschreibung allein bestimmt keine Berechtigung.

273. 28. Mai 2026: Vibe wird vereinheitlichte Oberfläche

Mistral führt Vibe mit drei Modi: Work, Code und Chat.

Die vorherigen Le-Chat- und Vibe-Dokumentationspfade werden auf die neue Vibe-Struktur umgeleitet.

274. Chat-Modus

Chat bewahrt die klassische Le-Chat-Erfahrung.

Historischer Name und aktuelle Produktnavigation sollten deshalb gemeinsam dokumentiert werden.

275. Work-Modus

Work kombiniert Skills, Arbeitsabläufe, Connectors, Libraries und zeitgesteuerte Aufgaben.

Er richtet sich an längere Wissens- und Büroarbeit.

276. Code-Modus

Code umfasst CLI, VS-Code-Erweiterung und Remote Code Web.

Lokale und Cloudcodingagenten teilen Modelle, aber nicht zwingend dieselbe Ausführungsumgebung.

277. VS Code Extension

Vibe wird direkt in die Entwicklungsumgebung integriert.

IDE-Zugriffsrechte sollten auf Workspace und notwendige Tools begrenzt werden.

278. Vibe Code Web

Remote Coding Sessions laufen in einer gemanagten Cloud-Sandbox.

Cloudsandbox und lokaler CLI-Agent besitzen unterschiedliche Securitygrenzen.

279. Zeitgesteuerte Aufgaben

Work kann wiederkehrende Aufgaben automatisch ausführen.

Zeitpläne müssen besonders bei externen Aktionen regelmäßig geprüft werden.

280. 28. Mai 2026: Search Toolkit

Mistral führt eine produktionsorientierte Retrieval- und Search-Schicht ein.

Sie soll Suchpipelines über Unternehmenswissen unabhängig vom eigentlichen Generationsmodell standardisieren.

281. Retrieval als eigene Schicht

Search Toolkit trennt Finden, Lesen und Verifizieren von der finalen Modellantwort.

Diese Trennung erleichtert Evals und Quellenkontrolle.

282. Hybride Suche

Produktionssuche kann semantische, lexikalische und strukturierte Signale kombinieren.

Ein einzelner Vektorindex ist nicht für jede Datenart optimal.

283. Ranking

Treffer werden nach Relevanz neu bewertet.

Reranking verbessert Präzision, erhöht aber Rechenaufwand.

284. RAG

Search Toolkit liefert Kontext für Retrieval-Augmented Generation.

RAG reduziert Halluzinationen nur, wenn passende Quellen gefunden werden.

285. 27. Mai 2026: Physics AI

Mistral baut nach der Emmi-Integration einen eigenen Bereich für Modelle physikalischer Systeme aus.

Ziel sind schnelle Surrogatmodelle, Simulation und Engineering-Beschleunigung.

286. Surrogatmodelle

AI-Modelle können rechenintensive numerische Simulationen approximieren.

Sie ersetzen physikalische Solver nur innerhalb validierter Domänen.

287. Digital Twins

Physics AI kann digitale Zwillinge für Maschinen und Industrieprozesse unterstützen.

Fehlergrenzen und Out-of-Distribution-Zustände müssen bekannt sein.

288. Industrie

Aerospace, Automotive, Halbleiter und Energie gehören zu den genannten Zielbereichen.

Diese Anwendungen sind hochriskanter als normale Chatassistenz.

289. 23. Juni 2026: Mistral OCR 4

OCR 4 erweitert Dokumentextraktion um Bounding Boxes, strukturelle Blockklassen und Confidence Scores.

Es wird zugleich als API, Document-AI-Baustein und Self-Hosting-Container angeboten.

290. 170 Sprachen

OCR 4 unterstützt laut Mistral 170 Sprachen in zehn Sprachgruppen.

Sprachunterstützung ist nicht mit gleicher Genauigkeit in jeder Schrift gleichzusetzen.

291. Block Classification

Seiten werden in Typen wie Text, Titel, Liste, Tabelle, Bild, Gleichung, Caption, Code, References, Header und Footer segmentiert.

Blocktypen helfen bei RAG und Dokumentrekonstruktion.

292. Bounding Boxes

Paragraphen erhalten Koordinaten auf der Seite.

Dies ermöglicht visuelle Hervorhebung, Grounding und Layoutsuche.

293. Confidence Scores

OCR 4 liefert Konfidenzsignale für extrahierte Inhalte.

Konfidenz ist ein Modellscore und kein garantierter Wahrscheinlichkeitswert.

294. Self-Hosting

OCR 4 kann in einem Container vollständig selbst gehostet werden.

Das ist besonders für vertrauliche Dokumente und Datenresidenz relevant.

295. RAG-Ingestion

Strukturierte OCR ist eine Ingestionstufe vor Embeddings, Search und LLM.

Fehler an dieser Stelle können später von einem LLM plausibel überdeckt werden.

296. 16. Juli 2026: OCR 4.1

OCR 4.1 ergänzt blockbezogene Confidence Scores und verfeinert die Dokument-AI-Ausgabe.

Der Alias `mistral-ocr-latest` zeigt aktuell auf 4.1.

297. Block-Level Confidence

Nicht nur Seiten oder Wörter, sondern ganze Strukturblöcke können Confidencewerte erhalten.

Das erleichtert gezielte Reviewprozesse bei Tabellen oder Paragraphen.

298. Aktueller OCR-Endpunkt

OCR 4.1 ist am 1. September 2026 der aktuelle bevorzugte OCR-Dienst.

Ältere OCR-Versionen bleiben für bestehende Integrationen teilweise verfügbar.

299. 24. Juni 2026: mehr Connector-Kontrolle

Mistral erweitert Governance und Konfiguration von Connectors.

Unternehmensagenten benötigen nachvollziehbare Datenquellen und Toolrechte.

300. 30. Juni / 2. Juli 2026: Leanstral 1.5

Leanstral 1.5 aktualisiert den offenen Lean-4-Proof-Agenten.

Das Modell besitzt 119B Gesamt- und 6,5B aktive Parameter sowie 256K Kontext.

301. 128K maximaler Output

Die aktuelle Model Card erlaubt sehr lange formale Ausgaben.

Proofaufgaben können große Dateien und lange Beweiszustände erzeugen.

302. Verbesserte SFT-Mischung

Mistral hebt bessere Fine-Tuning-Daten und Long-Context-Reasoning hervor.

Formale Korrektheit wird weiterhin durch Lean überprüft.

303. Public Preview

Leanstral 1.5 ist ein Lab-/Previewmodell.

Es ist laut aktuellem Lifecycle zeitlich begrenzt und nicht als permanenter API-Endpunkt zu betrachten.

304. 8. Juli 2026: Robostral Navigate

Robostral Navigate ist Mistrals erstes Modell speziell für embodied Navigation.

Es erweitert das Portfolio vom Bildschirmagenten in physische beziehungsweise robotische Umgebungen.

305. Navigation

Das Modell interpretiert Wahrnehmung und entscheidet Bewegungsziele.

Robotersteuerung braucht externe Kollisions-, Geschwindigkeits- und Not-Aus-Systeme.

306. Embodied AI

Embodied Modelle verbinden Wahrnehmung, Weltzustand und Aktion.

Fehler können reale physische Folgen haben.

307. 9. Juli 2026: Prompts & Skills als System of Record

Mistral Studio behandelt Prompts und Skills als versionierte, besitzbare und nachvollziehbare Artefakte.

Prompt Engineering wird damit Teil klassischer Software-Governance.

308. Versionierung

Änderungen an Systemprompts und Skills können verfolgt und verglichen werden.

Das ist für reproduzierbare Agenten wichtiger als ein einzelner spontaner Prompt.

309. Ownership

Artefakte erhalten klare Eigentümer und organisatorische Zuständigkeit.

Verantwortlichkeit ist bei produktiven Agents unverzichtbar.

310. 4. August 2026: Shieldstral

Shieldstral ist ein kompaktes offenes multimodales Safety-Modell mit policyadaptiver Klassifikation.

Es verarbeitet Text und Bilder und steht unter Apache 2.0.

311. 3,8B Parameter

Die aktuelle Model Card weist 3,8B Parameter aus.

Mistrals Blog fasst die Klasse als 3B-Modell zusammen.

312. Policies in natürlicher Sprache

Statt einer starren Schadenskategorienliste erhält Shieldstral die relevante Policy als Frage oder Instruktion zur Laufzeit.

Das Modell kann dadurch ohne Retraining für unterschiedliche Produkte angepasst werden.

313. Kalibrierter Safety Score

Shieldstral liefert eine binäre Einordnung beziehungsweise kalibrierbare Sicherheitsbewertung.

Ein Score ersetzt keine komplette Risiko- und Rechtsprüfung.

314. Multimodale Moderation

Text und Bilder können mit derselben Policylogik bewertet werden.

Visuelle Inhalte benötigen andere Angriffs- und Fehleranalysen als Text.

315. Single-GPU-Klasse

Mistral positioniert Shieldstral für effizientes lokales Guardrailing.

Das erleichtert Datenschutz, weil sensible Inhalte nicht zwingend an einen Moderationscloudservice gehen.

316. 11. August 2026: Regional Endpoints GA

Mistral macht regional gesteuerte Inferenz für Europa und USA allgemein verfügbar.

Inferenz und zugehörige Verarbeitung finden grundsätzlich in der gewählten Region statt.

317. Europa-Endpoint

Unternehmen können Inferenz gezielt in Europa ausführen lassen.

Mistral nennt begrenzte abgesicherte Transfers an Subprozessoren als mögliche Ausnahme laut Trust Center.

318. US-Endpoint

Alternativ kann Verarbeitung in den USA gewählt werden.

Region sollte zu Datenresidenz, Latenz und regulatorischen Anforderungen passen.

319. Priority Tier

Parallel startet ein SLA-orientierter Priority Tier in Public Preview.

Er bietet reserviertere Kapazität und kundenspezifische Rate Limits für kritische Produktion.

320. Offene Modelle + regionale Inferenz

Mistral verbindet die Wahl des Modells mit Kontrolle über den Ausführungsort.

Open Weight allein garantiert keine regionale Cloudinferenz; beide Kontrollen ergänzen sich.

321. European Compute Units

European Compute Units sollen langfristige Nachfrage bündeln und europäische Rechenkapazität finanzierbar machen.

Das ist Infrastruktur- und Kapazitätsstrategie, kein Modell.

322. Bis zu 1 GW bis 2030

Mistral formuliert eine langfristige europäische Compute-Ausbaustrategie bis in den Gigawattbereich.

Das ist eine Zukunfts-/Infrastrukturzusage und kein aktueller 2026er Istzustand.

323. 20. August 2026: Agentic Search

Mistral Agentic Search führt eine mehrstufige Retrievalschleife zum Finden, Lesen und Verifizieren komplexer Informationen ein.

Die Funktion ist über Search Toolkit und Libraries verfügbar.

324. Search Loop

Das System kann nach einem ersten Treffer weitere Dokumentteile gezielt untersuchen und Suchschritte anpassen.

Es ist dadurch agentischer als eine einmalige Top-k-Vektorsuche.

325. Verifikation

Gefundene Informationen werden gegen Dokumentstellen geprüft.

Auch verifizierte Retrievaltreffer können vom Generationsmodell falsch zusammengefasst werden.

326. Komplexe Dokumente

Die Search-Schicht zielt besonders auf lange, strukturierte und domänenspezifische Unternehmensdokumente.

OCR 4.1 bildet dafür eine komplementäre Ingestionstufe.

327. 24. August 2026: Mistral x HUMAIN

Mistral kündigt eine strategische Zusammenarbeit für souveräne AI-Infrastruktur und Modelle in Saudi-Arabien und der Region an.

Der Schritt erweitert die regionale Souveränitätsstrategie außerhalb Europas.

328. Regionale Infrastruktur

Die Kooperation umfasst Compute, Modellentwicklung und AI-Lösungen.

Regionale Kontrolle wird damit zu einem globalen Mistral-Geschäftsmodell.

329. Aktuelles Mistral-Modellportfolio am 1. September 2026

Die aktuelle Model-Übersicht führt Medium 3.5, Small 4, Large 3 und Ministral 3 als zentrale Generalisten sowie spezialisierte OCR-, Audio-, Safety-, Code- und Proofmodelle.

Veraltete Modelle werden separat als deprecated oder retired geführt.

330. Medium 3.5 als aktueller Agenten-/Coding-Generalist

Medium 3.5 ist das aktuelle Frontiermodell für lange agentische Aufgaben und Coding.

Es ist zugleich Standardmodell in Vibe und ersetzt Devstral 2 für neue Integrationen.

331. Small 4 als offener Hybridgeneralist

Small 4 ist die effiziente offene Klasse für Chat, Reasoning, Vision und agentisches Coding.

Es ersetzt Magistral Small und viele frühere Small-/Pixtral-Szenarien.

332. Large 3 als offenes großes Flagship

Large 3 bleibt die größte offene allgemeine MoE-Klasse im aktuellen Mistralportfolio.

Es ist besonders interessant für Self-Hosting mit sehr hoher Kapazität.

333. Ministral 3 für Edge

3B, 8B und 14B decken lokale beziehungsweise Edge-Szenarien ab.

Die Modelle bieten Vision, Instruct und Reasoning in kleinen Größen.

334. OCR 4.1

OCR 4.1 ist der aktuelle Dokumentextraktionsdienst.

Er ist proprietärer Service, OCR 4 kann jedoch auch Self-Hosted angeboten werden.

335. Voxtral Transcribe 2 / Realtime / TTS

Speech-to-Text, Live-Transkription und Text-to-Speech sind getrennte aktuelle Audiopfade.

Lizenzen unterscheiden sich zwischen Realtime und TTS.

336. Shieldstral 1.0

Shieldstral ist der aktuelle offene multimodale policyadaptive Guardrail.

Moderation 2 bleibt als proprietärer längerkontextiger Moderationsdienst parallel relevant.

337. Leanstral 1.5

Leanstral 1.5 ist der aktuelle formale Proof-Agent in Public Preview.

Er besitzt einen expliziten Lifecycle und ist kein permanenter Generalistenendpunkt.

338. Drittmodelle auf Mistral-Infrastruktur

Mistral Studio stellt inzwischen auch ausgewählte Drittanbieter-Open-Models wie Z.ai GLM bereit.

Modellprovider und Mistral-Inferenzplattform werden getrennt ausgewiesen.

339. Model Lifecycle Policy

Mistral klassifiziert Modelle nach GA, Preview, Deprecated und Retired.

Produktionssysteme sollen Deprecationtermine frühzeitig überwachen.

340. GA

Generally Available bezeichnet produktionsreife Modelle mit regulärer Unterstützung.

GA bedeutet nicht, dass ein Modell niemals aktualisiert oder retired wird.

341. Public Preview

Previewmodelle können schneller geändert und begrenzt unterstützt werden.

Produktive Nutzung braucht Fallback und Versionskontrolle.

342. Deprecated

Deprecated-Modelle funktionieren noch, haben aber einen empfohlenen Nachfolger und ein angekündigtes Ende.

Neue Integrationen sollten sie nicht mehr verwenden.

343. Retired

Retired-Endpunkte nehmen keine normalen Requests mehr an.

Historische Modellkarten bleiben für Archiv und Migration wichtig.

344. `latest`-Aliase

Namen wie `mistral-large-latest` können auf eine aktuelle Revision zeigen.

Für reproduzierbare Benchmarks wird die datierte Modell-ID bevorzugt.

345. Datierte IDs

IDs wie `mistral-large-2512` oder `mistral-small-2603` fixieren eine konkrete Generation.

Alias und Checkpointversion werden gemeinsam dokumentiert.

346. Replacement-Feld

Die Docs nennen bei Deprecations explizite Nachfolger.

Das erleichtert Migration, garantiert aber keine identische Ausgabe.

347. 256K als aktuelle Generalistenklasse

Large 3, Medium 3.5, Small 4 und Ministral 3 unterstützen 256K Kontext.

Input und Output teilen sich bei vielen APIs dasselbe Gesamtbudget.

348. Kontext vs. Memory

256K Kontext ist Sitzungsspeicher innerhalb einer Inferenz.

Vibe Memories und Libraries sind persistente Produktdaten.

349. Mistral API

Die Mistral-API bildet die programmierbare Schicht für Modelle, Audio, OCR, Moderation und Agenten.

API-Nutzung ist von Vibe als Consumer-/Arbeitsprodukt getrennt.

350. Chat Completions

Der klassische `/v1/chat/completions`-Pfad verarbeitet Nachrichten zustandsarm.

Der Client verwaltet den Verlauf selbst.

351. Conversations API

Conversations speichert strukturierte Unterhaltung, Tools und Agenteninteraktionen.

Das erleichtert langlaufende Agenten, erzeugt aber serverseitigen Zustand.

352. Agents API

Agents kapseln Modell, Instruktionen, Tools, Libraries und Guardrails.

Agent ist Konfiguration plus Runtime, kein neues Modell.

353. Agent-Versionierung

Agentenkonfigurationen sollten versioniert und evaluiert werden.

Ein geänderter Prompt oder Connector kann Verhalten ebenso stark verändern wie ein Modellupgrade.

354. Web Search Tool

Mistral-Agenten können Websuche als Built-in Tool verwenden.

Externe Webseiten gelten als untrusted input.

355. Code Interpreter

Ein Codewerkzeug kann Berechnungen und Datenanalyse durchführen.

Sandboxgrenzen und Dateizugriff müssen klar definiert sein.

356. Image Generation

Agenten können bei unterstützten Produktpfaden Bildgenerierung verwenden.

Das Bildmodell kann von der Textmodellfamilie unabhängig sein.

357. Libraries

Libraries stellen Agenten dauerhaft Dokumente und Wissensbestände bereit.

ACLs und Dokumentaktualität bestimmen Retrievalqualität.

358. Document QnA

Generalisten können Dokumente direkt als multimodalen oder extrahierten Kontext verarbeiten.

Bei komplexen PDFs ist OCR 4.1 oft die robustere Vorstufe.

359. Structured Outputs

JSON-Schema-nahe Ausgabe erleichtert maschinelle Integration.

Validierung bleibt Pflicht.

360. Function Calling

Modelle erzeugen strukturierte Toolaufrufe.

Die Anwendung entscheidet, ob ein Tool tatsächlich ausgeführt wird.

361. Parallele Toolaufrufe

Agenten können mehrere unabhängige Werkzeuge parallel verwenden.

Parallelität reduziert Latenz, erhöht aber Konflikt- und Kostenrisiken.

362. Prefix Completion

Ausgewählte Modelle können eine Antwort ab einem vorgegebenen Präfix fortsetzen.

Das ist hilfreich für Format- und Codekontrolle.

363. Predicted Outputs

Bei unterstützten Modellen kann erwarteter Outputkontext genutzt werden, um Editier-/Generationsaufgaben zu beschleunigen.

Vorhersage und tatsächliche Modellantwort müssen getrennt validiert werden.

364. Batch API

Große Jobs können asynchron verarbeitet werden.

Batchkosten und Latenzen unterscheiden sich von Standardinferenz.

365. Cached Input

Die aktuelle Preistabelle unterscheidet für mehrere Modelle günstigere gecachte Eingabetokens.

Cache-Hit ist Kostenoptimierung, kein Memory.

366. Rate Limits

Limits gelten je Plan, Modell und Organisation.

429-Fehler werden mit Backoff statt aggressiven Retries behandelt.

367. Priority Tier

Priority-Tier-Requests erhalten garantiertere Kapazität und SLA-nahe Behandlung.

Dies ist eine Inferenzklasse, kein leistungsstärkeres Modell.

368. Regional Inference

Requests können gezielt auf Europa oder USA geroutet werden.

Die gewählte Region wird in Governance und Architektur dokumentiert.

369. Fine-Tuning

Mistral bietet Fine-Tuning für ausgewählte Modelle.

Fine-Tunes bekommen eigene Eval- und Safetytests.

370. Custom Post-Training

Enterprisekunden können tiefergehende Anpassung bis hin zu Forge nutzen.

Customization kann Datenresidenz und Intellectual Property besonders sensibel machen.

371. Embeddings

Mistral stellt semantische Embeddings für RAG und Suche bereit.

Codestral Embed spezialisiert diesen Pfad auf Code.

372. OCR API

OCR hat einen eigenen Seiten-/Dokumentendpunkt statt normalen Chatcompletion.

Bounding Boxes und Annotationen sind strukturierte Spezialausgaben.

373. Audio APIs

Transcription, Realtime und Speech Generation verwenden eigene Endpunkte.

Audio-Streaming benötigt andere Fehler- und Latenzbehandlung als Text.

374. Moderations API

Moderation 2 klassifiziert Textinhalte unabhängig von normalen Chatmodellen.

Shieldstral kann alternativ als lokaler Open-Weight-Guardrail verwendet werden.

375. API Keys

Schlüssel gehören in Server-Secrets oder sichere lokale Keychains.

Sie dürfen nicht in Browserbundle, Prompt oder öffentliche Repositories gelangen.

376. SDKs

Mistral bietet offizielle SDKs für verbreitete Programmiersprachen.

SDK-Version und API-Version werden für reproduzierbare Integrationen gepinnt.

377. Direktes HTTP

Alle Kernendpunkte können ohne SDK über HTTP angesprochen werden.

Das reduziert Abhängigkeiten, erhöht aber Eigenaufwand bei Retry und Streaming.

378. Streaming

Text- und Audioausgaben können schrittweise übertragen werden.

Abbruch, Toolcall-Grenzen und Teilresultate müssen korrekt verarbeitet werden.

379. Vibe als aktuelle Arbeitsoberfläche

Vibe bündelt 2026 klassische Chatnutzung, komplexe Arbeitsabläufe und Coding-Agenten.

Der Produktname bezeichnet die Oberfläche und Agentenplattform, nicht das zugrunde liegende Modell.

380. Chat in Vibe

Chat bewahrt die direkte Le-Chat-Interaktion für Fragen, Schreiben, Dateien, Bilder und Recherche.

Je nach Plan kann das Backendmodell aktualisiert werden.

381. Work in Vibe

Work führt mehrstufige Recherche, Analyse, Dokumentarbeit und Cross-Tool-Aktionen aus.

Der Agent kann mehrere Tools parallel verwenden und bei sensiblen Aktionen um Zustimmung bitten.

382. Code in Vibe

Code umfasst Terminal-CLI, VS Code und Cloud-Code-Sessions.

Der jeweilige Ausführungsort bestimmt Dateirechte und Securitymodell.

383. Remote Coding Sessions

Remote Agents laufen in einer gemanagten Cloudumgebung und können unabhängig vom lokalen Rechner weiterarbeiten.

Cloudcode darf keine Secrets erhalten, die nicht wirklich benötigt werden.

384. Lokale CLI-Sessions

Die CLI arbeitet direkt im lokalen Repository und kann Shell-/Dateizugriff besitzen.

Lokale Nutzung ist deshalb potenziell mächtiger und riskanter als eine reine Chatoberfläche.

385. Session Teleport

Lokale Codingarbeit kann in eine Remote-Session überführt werden.

Vor Übertragung wird geprüft, welche Dateien und Kontextteile in die Cloud gelangen.

386. Skills

Skills kodifizieren wiederverwendbare Arbeitsweisen und Domäneninstruktionen.

Sie sollten versioniert, reviewed und mit klarer Zuständigkeit verwaltet werden.

387. Arbeitsabläufe

Arbeitsabläufe automatisieren wiederkehrende Unternehmensabläufe.

Jede externe Aktion sollte idempotent oder mit Bestätigung abgesichert sein.

388. Connectors

Vibe/Enterprise kann interne Daten- und Toolquellen anbinden.

Connectorberechtigungen stammen idealerweise aus dem Quellsystem und werden nicht vom Modell erfunden.

389. Libraries

Bibliotheken liefern dauerhafte Wissensbestände für Search und Agenten.

Dokumente brauchen Aktualitäts- und Ownershipregeln.

390. Memories

Persönliche oder arbeitsbezogene Erinnerungen können Interaktionen über Sitzungen hinweg personalisieren.

Memoryeinträge sollten sichtbar, korrigierbar und löschbar sein.

391. Web-/Agentic Search

Vibe kann öffentliche Websuche und interne Search-Schichten kombinieren.

Öffentliche und interne Quellen sollten im Ergebnis erkennbar bleiben.

392. Dateien

Dateien können analysiert, extrahiert und als Arbeitskontext verwendet werden.

Bei PDFs werden OCR- und Visionpfade je nach Dokumenttyp unterschieden.

393. Bilder

Aktuelle multimodale Generalisten können Bilder analysieren.

Bildgenerierung ist als Produktwerkzeug vom Analysemodell getrennt.

394. Audio

Voxtral-Komponenten ermöglichen Transkription und Sprach-Arbeitsabläufe.

Speech-to-Text und TTS sind separate Pipelines.

395. Zeitgesteuerte Work-Aufgaben

Wiederkehrende Recherche und Aufgaben können automatisch laufen.

Zeitpläne, Datenquellen und Aktionsrechte werden regelmäßig kontrolliert.

396. Benachrichtigungen

Remote Agents können nach Abschluss Resultate zurückmelden.

Benachrichtigung ersetzt kein Review.

397. Pläne

Free/Pro/Team/Enterprise unterscheiden Limits, Modelle und Unternehmensfunktionen.

Tarifnamen und konkrete Limits sind volatil und werden nicht als Modellmerkmal behandelt.

398. Enterprise

Enterprise ergänzt Search, Libraries, Agent Builder, Audit, Connectors, Custom Models und flexible Deployments.

Die Governance-Schicht ist der wesentliche Unterschied zur Consumeroberfläche.

399. ACL Adherence

Interne Search soll Berechtigungen der Quellsysteme respektieren.

Ein Agent darf keine Information anzeigen, die der Nutzer im Quellsystem nicht sehen dürfte.

400. On-Prem

Vibe/Le-Chat-nahe Unternehmenslösungen können in eigener Infrastruktur betrieben werden.

Offene Modelle erleichtern diese Deploymentform.

401. Private Cloud / VPC

Organisationen können Mistral-Komponenten in kontrollierten Cloudnetzen bereitstellen.

Cloudregion und Datenresidenz werden explizit dokumentiert.

402. Custom Models

Unternehmen können Modelle post-trainen oder mit Forge tiefer anpassen.

Custommodelle brauchen eigene Lifecycle- und Safetyprozesse.

403. Audit

Aktionen und Änderungen können zentral nachvollzogen werden.

Auditdaten selbst unterliegen Zugriffskontrolle und Retention.

404. Mistral AI Studio aktuell

Studio ist die zentrale Entwicklerumgebung für Modelle, Agents, Tools, Arbeitsabläufe, Prompts, Skills und Evals.

Sie ersetzt die frühere einfache La-Plateforme-Oberfläche funktional weitgehend.

405. Playground

Modelle können mit Prompts, Tools und Einstellungen interaktiv getestet werden.

Playgroundtests werden für Produktion in reproduzierbare Evals überführt.

406. Agents in Studio

Agentenkonfigurationen können mit Tools, Libraries und Guardrails gebaut werden.

Agentendesign ist Softwarearchitektur, nicht nur Prompting.

407. Connectors in Studio

MCP- und andere Datenverbindungen werden zentral verwaltet.

Credentials sollten nie im Prompttext eingebettet werden.

408. System of Record

Prompts und Skills werden 2026 als versionierbare Assets mit Eigentümer geführt.

Das ermöglicht Review, Rollback und Compliance.

409. Evaluation

Studio hilft Modelle und Agents gegen definierte Datensätze zu testen.

Produktive Tests sollten reale Fehlerklassen statt nur akademische Benchmarks abdecken.

410. Observability

Agentenläufe benötigen Tool-, Kosten-, Latenz- und Fehlertransparenz.

Logs werden redigiert, um Secrets und personenbezogene Daten zu schützen.

411. Forge aktuell

Forge zielt auf Unternehmen, die nicht nur ein bestehendes Modell feinabstimmen, sondern eigene frontier-nahe Modelle aus Domänenwissen entwickeln wollen.

Das ist wesentlich ressourcenintensiver als Prompting oder normales SFT.

412. Mistral Compute

Compute ergänzt Modelle und Software um kontrollierbare Recheninfrastruktur.

2026 wird regionale Kapazität zu einem Kernstück der Souveränitätsstrategie.

413. Lokale Mistral-Nutzung

Offene Gewichte lassen sich auf Workstations, Servern oder privaten Clustern betreiben.

Der konkrete Hardwarebedarf reicht von wenigen GB bis zu mehreren hundert GB beziehungsweise verteilten Systemen.

414. Hugging Face

Mistral veröffentlicht offene Checkpoints über offizielle Repositories.

Commit, Modellkarte und Lizenz werden zusammen archiviert.

415. mistral-common

Mistrals eigene Bibliothek enthält Tokenizer-, Chattemplate- und Protokolllogik.

Falsche Templateversionen können Tool Calls und Reasoning verschlechtern.

416. Transformers

Viele Modelle sind direkt in Hugging Face Transformers integriert.

Neue Architekturen benötigen ausreichend aktuelle Releases.

417. vLLM

vLLM ist ein zentraler Servingpfad für Mistral-Modelle.

Multimodalität, MoE und Toolparser brauchen passende Versionen.

418. SGLang

SGLang unterstützt verschiedene moderne Mistralmodelle.

Leistung wird auf realer Hardware gemessen.

419. llama.cpp

GGUF-Quantisierungen machen kleinere Mistral-/Ministral-Modelle auf CPUs, Macs und Consumer-GPUs zugänglich.

Nicht jede neue multimodale Funktion erscheint sofort.

420. Ollama

Ollama abstrahiert lokale Modellinstallation und Server-API.

Tags können Community-Quantisierung und eigenes Template enthalten.

421. LM Studio

LM Studio bietet grafische lokale Nutzung von GGUF-Modellen.

Es ist ein Drittprodukt und keine Mistral-Komponente.

422. MLX

Apple Silicon eignet sich besonders für quantisierte Mistral-, Small- und Ministralmodelle.

Unified Memory spart Kopien, aber Bandbreite begrenzt Tokenrate.

423. GGUF

GGUF ist ein verbreitetes Format für quantisierte lokale Inferenz.

Communitykonvertierungen werden nach Herkunft und Basisrevision geprüft.

424. Quantisierung

4-/5-/8-Bit- und FP8/FP4-Pfade reduzieren Speicherbedarf.

Reasoning, Tool Calls und Vision werden nach Quantisierung neu evaluiert.

425. Mistral 7B heute

Der historische 7B-Checkpoint bleibt extrem leicht lokal betreibbar.

Für aktuelle Qualität sind Ministral 3 oder Small 4 meist stärker.

426. Mixtral lokal

8x7B und 8x22B benötigen wegen aller Expertengewichte erheblichen Speicher.

MoE reduziert Compute pro Token, nicht die Größe der gespeicherten Gewichte.

427. NeMo 12B lokal

NeMo bleibt wegen 12B und 128K historisch interessant.

Es ist inzwischen deprecated und Ministral 3 wird für neue Integrationen empfohlen.

428. Ministral 3 lokal

3B, 8B und 14B sind die aktuelle Edge-/Local-Familie.

Base, Instruct und Reasoningvarianten bieten unterschiedliche Post-Trainingprofile.

429. Small 4 lokal

119B Gesamt-/6,5B aktiv erfordern trotz niedriger aktiver Rechenlast viel Gewichtsspeicher.

Produktionsbetrieb liegt eher in Multi-GPU-Klasse.

430. Medium 3.5 lokal

128B dense kann laut Mistral mit wenigen leistungsfähigen GPUs self-hosted betrieben werden.

Quantisierung und Kontext bestimmen den genauen Bedarf.

431. Large 3 lokal

675B Gesamtgewicht machen Self-Hosting zu einem verteilten Datacenterprojekt.

41B aktiv reduzieren FLOPs, nicht Gesamtspeicher.

432. Devstral Small 2 lokal

24B ist für lokale Softwareagenten vergleichsweise handlich.

Der API-Endpunkt ist deprecated, offene Gewichte bleiben historisch nutzbar.

433. Voxtral lokal

Voxtral Realtime und ältere Speech-Understanding-Modelle erlauben lokale Audioverarbeitung.

Das schützt sensible Sprachdaten vor Cloudtransfer.

434. Voxtral TTS lokal

Die Gewichte sind verfügbar, aber unter CC BY-NC 4.0.

Kommerzielle lokale Nutzung muss die Lizenz respektieren.

435. Shieldstral lokal

Shieldstral kann als lokaler Text-/Bild-Guardrail betrieben werden.

Das reduziert Datenschutzrisiken bei Moderation sensibler Inhalte.

436. Leanstral lokal

Leanstral 1.5 ist offen, aber mit 119B Gesamtparametern serverorientiert.

Proofchecking benötigt zusätzlich eine passende Lean-Umgebung.

437. OCR 4 Self-Hosted

Dokumentextraktion kann vollständig in eigener Infrastruktur laufen.

Das ist für Personal-, Rechts- oder Forschungsdokumente besonders wertvoll.

438. RAM und VRAM

Gewichte, KV-Cache, Vision-/Audioencoder, Runtime und Batch teilen sich Speicher.

Parameterzahl allein ist keine ausreichende Kapazitätsplanung.

439. KV-Cache

Lange 256K-Kontexte können trotz quantisierter Gewichte erheblichen Zusatzspeicher belegen.

GQA/MoE lösen diesen Engpass nicht vollständig.

440. MoE-Speicher

Auch nicht aktive Experten müssen normalerweise im Speicher beziehungsweise verteilten System verfügbar sein.

Aktive Parameter sind daher kein RAM-Wert.

441. Tensor Parallelism

Große dense Modelle werden über mehrere GPUs verteilt.

Interconnectbandbreite beeinflusst Skalierung.

442. Expert Parallelism

MoE-Experten können über Devices und Nodes verteilt werden.

Routingkommunikation wird bei Large 3 zum wichtigen Servingfaktor.

443. Batching

Batching erhöht Durchsatz, aber auch Speicher und Time-to-First-Token.

Interaktive und Offlineworkloads benötigen unterschiedliche Tuningziele.

444. Prefix Cache

Wiederkehrende System-/Repositorypräfixe können gecacht werden.

Cache ist Performanceoptimierung, nicht persistentes Wissen.

445. Lokaler Datenschutz

Vollständig lokales Self-Hosting sendet Prompts nicht automatisch an Mistral.

Externe Search-, MCP-, Telemetrie- oder Updatepfade werden separat betrachtet.

446. Lokale Safety

Cloudguardrails entfallen bei Self-Hosting.

Shieldstral oder eigene Policy-/Toolkontrollen können diese Rolle übernehmen.

447. Reproduzierbarkeit

Gewichtshash, Runtime, Template, Sampling, Quantisierung und Hardware werden protokolliert.

Nur der Marketingname reicht für spätere Wiederholung nicht.

448. Privacy Policy vom 27. Juli 2026

Mistrals aktuelle Privacy Policy nennt Vibe und Mistral AI Studio ausdrücklich als Mistral-AI-Produkte.

Für Consumer- und Geschäftsnutzung gelten unterschiedliche Rollen und Vertragslagen.

449. Mistral AI als französischer Verantwortlicher

Mistral AI ist eine in Paris eingetragene französische Gesellschaft und bei Consumer-Nutzung grundsätzlich Data Controller.

Das unterscheidet sich von Geschäftskundenfällen, in denen Mistral als Processor agiert.

450. Business: Kunde als Controller

Bei Verarbeitung personenbezogener Daten im geschäftlichen Kontext ist der Kunde grundsätzlich Controller und Mistral Processor gemäß DPA.

Vertrags- und Produktbedingungen bleiben für die konkrete Verarbeitung maßgeblich.

451. Consumer Inputs

Prompts, Uploads, Bilder, Audio und andere Eingaben können personenbezogene Daten enthalten.

Nur notwendige Informationen sollten an einen Cloudassistenten übermittelt werden.

452. Outputs

Auch generierte Ausgaben können personenbezogene oder vertrauliche Informationen enthalten.

Outputs werden wie andere sensible Arbeitsprodukte behandelt.

453. Usage Data

Technische und Nutzungsdaten können zur Bereitstellung, Sicherheit und Produktverbesserung verarbeitet werden.

Metadaten können selbst personenbezogen sein.

454. Trainingsdaten allgemein

Mistral nennt proprietäre und Drittquellen, öffentliche Internetdaten, kuratierte und synthetische Datensätze als Trainingquellen.

Öffentlich verfügbare Daten können personenbezogene Informationen enthalten.

455. Consumer-Training

Die aktuellen Consumer Terms erklären, dass Nutzerdaten für Training verwendet werden können, wenn der Nutzer nicht widersprochen beziehungsweise Opt-out gewählt hat.

Training Opt-out und normale Serviceverarbeitung sind getrennte Kontrollen.

456. Feedback

Wer aktiv Daumen-hoch-/Daumen-runter-Feedback sendet, erlaubt laut Terms die Nutzung des zugehörigen Feedbacks sowie Input/Output für Training beziehungsweise Verbesserung.

Feedback kann damit eine Ausnahme von sonstigen Trainingseinstellungen darstellen.

457. Training Opt-out

Consumer können dem Training mit ihren Nutzungsdaten widersprechen beziehungsweise Training deaktivieren.

Opt-out bedeutet nicht, dass Daten gar nicht für Service, Sicherheit oder gesetzliche Pflichten verarbeitet werden.

458. Geschäftskunden und Training

Das DPA sieht vor, dass Training mit Kundendaten entsprechend Vertrag und Opt-out-Regeln behandelt wird.

Für sensible Unternehmensdaten sollte der vertragliche Status explizit geprüft werden.

459. Zero Data Retention

Für bestimmte API-/Unternehmenskonfigurationen kann Zero-Data-Retention relevant sein.

Featureverfügbarkeit und Ausnahmen wie Missbrauchsschutz werden vertraglich geprüft.

460. Automated Moderation

Mistral kann API-Nutzung automatisiert auf Missbrauch überwachen; das DPA nennt Ausnahmen bei aktiviertem Zero Data Retention.

Safety-Monitoring und Modelltraining sind unterschiedliche Verarbeitungszwecke.

461. Data Processing Addendum

Das DPA regelt Controller-/Processor-Rollen, Subprozessoren, internationale Transfers und Datenschutzpflichten.

Es ist für Geschäftsdaten wichtiger als die Consumer-Privacy-Zusammenfassung allein.

462. Standard Contractual Clauses

Bei Transfers in nicht angemessene Drittstaaten können EU-Standardvertragsklauseln relevant sein.

Regionale Inferenz kann die Transferfläche zusätzlich reduzieren.

463. EU Regional Inference

Mit dem europäischen Regional Endpoint kann Verarbeitung gezielt in Europa gehalten werden.

Mistral weist auf mögliche begrenzte abgesicherte Subprozessortransfers hin.

464. Region ≠ absolut keine Auslandsverarbeitung

Regionaler Inferenzort reduziert Datenbewegung, schließt aber nicht automatisch sämtliche Subprozessorprozesse außerhalb der Region aus.

Trust Center und DPA bleiben maßgeblich.

465. Self-Hosting

Eigene Infrastruktur bietet die stärkste Kontrolle über Inferenzdaten und Logs.

Updates, Telemetrie und externe Tools müssen dennoch einzeln geprüft werden.

466. Memories

Persistente Memories speichern Informationen über Sitzungen hinweg.

Sie sollten nur bewusst genutzt und regelmäßig bereinigt werden.

467. Libraries

Unternehmensdokumente bleiben als dauerhafte Wissensquelle verfügbar.

ACLs und Retention werden mit dem Quellsystem abgestimmt.

468. Connectors

Google Drive, SharePoint, Gmail, MCP und andere Quellen können sensible Daten in Agentenkontext bringen.

Nur notwendige Scopes werden freigegeben.

469. MCP

Ein Remote-MCP-Server kann Daten außerhalb des Mistral-Stacks übertragen.

Serverbetreiber, Region und Datenschutzbedingungen werden separat geprüft.

470. Web Search

Suchanfragen können an externe Such-/Contentprovider weitergegeben werden.

Vertrauliche Details werden aus Searchqueries entfernt.

471. Third-Party Content

Vibe kann externe Links, Snippets und Nachrichteninhalte anzeigen.

Mistral erklärt, Third-Party Content nicht für eigenes Modelltraining zu verwenden.

472. Hugging Face Downloads

Die Privacy Policy nennt mögliche Erfassung von Hugging-Face-Benutzername und E-Mail bei Modellzugriffen zur Lizenzdurchsetzung beziehungsweise Kommunikation.

Lokaler Download ist daher nicht zwingend vollständig anonym gegenüber dem Distributor.

473. Audio

Transkription und TTS können Stimme, Gesprächsinhalt und biometrisch relevante Merkmale enthalten.

Voice-Daten werden als besonders sensibler Inhalt behandelt.

474. Voice Cloning

Voxtral TTS kann Sprechercharakteristik aus Referenzaudio übernehmen.

Nur berechtigtes Audio wird verwendet.

475. OCR-Dokumente

Verträge, Ausweise, Rechnungen und medizinische Dokumente enthalten oft hochsensible Daten.

Self-Hosted OCR 4 ist für solche Fälle eine wichtige Alternative.

476. Agenten

Agenten aggregieren oft Informationen aus mehreren Systemen.

Zusammenführung kann sensibler sein als jede einzelne Quelle.

477. Least Privilege

Agenten erhalten nur notwendige Dateien, Tools, Domains und Connectorrechte.

Ein Modell darf seine Berechtigungen nicht selbst aus untrusted Content erweitern.

478. Prompt Injection

Webseiten, PDFs, E-Mails und MCP-Resultate können manipulative Instruktionen enthalten.

Untrusted Content bleibt Daten, nicht Systemanweisung.

479. Indirekte Prompt Injection

Besonders gefährlich sind Angriffe, die automatisch über Search oder Connectors in den Agentenkontext gelangen.

Agenten müssen Datenherkunft und Instruktionshierarchie unterscheiden.

480. Visuelle Injection

Multimodale Modelle können manipulativen Text in Screenshots oder Bildern lesen.

Bildinhalt besitzt keine höhere Autorität als andere externe Daten.

481. Coding-Agenten

Vibe Code kann Dateien verändern, Tests starten und Shellbefehle ausführen.

Repositories werden über Branches, Diffs, CI und Secretschutz abgesichert.

482. Remote Code

Cloudsessions können Kopien von Repositorydaten verarbeiten.

Vor Upload werden Geschäftsgeheimnisse und Secrets klassifiziert.

483. Lokale Code-Agenten

Lokale CLI-Agenten können direkten Dateisystemzugriff besitzen.

Self-Hosting reduziert Cloudtransfer, erhöht aber potenzielle lokale Seiteneffekte.

484. Shell

Shellzugriff kann Dateien löschen, Pakete installieren oder Netzwerkaktionen starten.

Command Approval und Sandbox reduzieren Schaden.

485. Supply Chain

Agenten können versehentlich Typosquatting- oder kompromittierte Pakete installieren.

Package Source, Lockfile und Signaturen werden geprüft.

486. Tool Calls

Function Calling ist nur ein Vorschlag des Modells.

Die Ausführungsschicht validiert Argumente, Identität, Rechte und Seiteneffekte.

487. Arbeitsabläufe

Automatisierte Arbeitsabläufe können Fehler regelmäßig wiederholen.

Staging, Approval und Rollback gehören zum Design.

488. Zeitgesteuerte Tasks

Scheduled Tasks laufen ohne direkte Nutzeraufsicht.

Trigger, Rechte und Benachrichtigungen werden eng begrenzt.

489. OCR-Fehler

Strukturierte OCR kann Zeichen, Tabellen oder Formeln falsch lesen.

Confidence Scores helfen beim Review, ersetzen ihn aber nicht.

490. Search-Fehler

Retrieval kann die falsche Dokumentversion oder einen irrelevanten Abschnitt priorisieren.

Agentic Search reduziert, aber beseitigt diesen Fehler nicht.

491. Reasoning

Medium 3.5 und Small 4 können ausführlich denken, aber trotzdem falsche Prämissen verfolgen.

Reasoning-Länge ist kein Verlässlichkeitsmaß.

492. Shieldstral-Grenzen

Policyadaptive Safety ist flexibel, kann aber adversarial umgangen oder falsch kalibriert werden.

Guardrails werden mit Permissions, Logging und menschlicher Freigabe kombiniert.

493. Moderation-2-Grenzen

Jailbreakerkennung und langer Kontext verbessern Safety.

Kein Moderationsmodell ist vollständiger Security Boundary.

494. Robostral

Embodied Navigation kann reale Kollisionen oder Fehlbewegungen verursachen.

Physische Safetycontroller stehen außerhalb des LLM.

495. Physics AI

Surrogatmodelle können außerhalb ihres Trainingsbereichs falsche physikalische Vorhersagen liefern.

Kritische Engineeringentscheidungen werden gegen etablierte Simulation oder Messung validiert.

496. Menschliche Kontrolle

Je höher die Auswirkung, desto höher die notwendige Freigabestufe.

Autonomie wird nicht als Selbstzweck betrachtet.

497. Rollback

Datei-, Code- und Änderungen durch Arbeitsabläufe werden rückgängig machbar gehalten.

Versionierung ist ein Kernbestandteil sicherer AI-Automation.

498. Fail-safe

Bei Mehrdeutigkeit oder Sicherheitsunsicherheit stoppt der Agent.

Er rät nicht weiter, wenn eine irreversible Aktion droht.

499. Einfache Unterhaltung

Vibe Chat beziehungsweise Le-Chat-Erfahrung ist für direkte Fragen, Schreiben und leichte Recherche geeignet.

Für lange komplexe Aufgaben ist Work geeigneter.

500. Mehrstufige Wissensarbeit

Vibe Work eignet sich für Research, Cross-Tool-Aufgaben, Libraries und Arbeitsabläufe.

Sensible Aktionen sollten Approval benötigen.

501. Softwareentwicklung

Vibe Code beziehungsweise CLI/VS Code eignet sich für Repositoryarbeit.

Workspace- und Shellrechte werden begrenzt.

502. Stärkster aktueller Agenten-Generalist

Mistral Medium 3.5 ist für lange Agenten-, Coding- und Multimodalaufgaben die zentrale aktuelle Wahl.

Self-Hosting braucht mehrere starke GPUs.

503. Offener effizienter Generalist

Mistral Small 4 ist sinnvoll, wenn Apache 2.0, Reasoning, Vision und Agentic Coding in einem offenen Modell gewünscht sind.

Das MoE spart Compute, nicht Gewichtsspeicher.

504. Sehr großes offenes Flagship

Mistral Large 3 eignet sich für maximale offene Modellkapazität.

Self-Hosting ist Datacenterklasse.

505. Edge und lokal

Ministral 3 3B/8B/14B sind für lokale, eingebettete und kostengünstige Systeme geeignet.

Reasoning- und Instructvarianten passend zum Task wählen.

506. Dokumentextraktion

OCR 4.1 ist für PDFs, Tabellen, Layout, Formeln und strukturierte Extraktion geeigneter als ein allgemeiner Chatprompt.

Für maximale Datenkontrolle ist Self-Hosted OCR 4 interessant.

507. Transkription

Voxtral Mini Transcribe 2 eignet sich für hochwertige Batchtranskription.

Realtime wird für Live-Audio gewählt.

508. Live-Sprache

Voxtral Realtime ist für sehr niedrige Transkriptionslatenz gedacht.

Netzwerk und Audiopuffer bestimmen die Gesamtlatenz.

509. Sprachgenerierung

Voxtral TTS ist der aktuelle Speech-Generation-Pfad.

CC BY-NC 4.0 ist für kommerzielle Self-Hosting-Szenarien zu beachten.

510. Lokale Safety

Shieldstral eignet sich für policyadaptive Text-/Bildmoderation in eigener Infrastruktur.

Moderation 2 ist eine alternative proprietäre Cloudklassifikation.

511. Lean 4

Leanstral 1.5 eignet sich für formale Beweisengineering-Aufgaben.

Der Proofchecker bleibt die autoritative Korrektheitsinstanz.

512. Enterprise Retrieval

Agentic Search/Search Toolkit ist sinnvoll bei komplexen internen Dokumentbeständen.

OCR, Libraries und ACLs gehören zur Gesamtpipeline.

513. Eigenes Domänenmodell

Forge ist für Organisationen gedacht, die tiefer als Standard-Fine-Tuning gehen müssen.

Kosten, Datenqualität und Governance sind deutlich höher.

514. EU-Datenresidenz

Regional Inference Europe oder eigenes EU-/On-Prem-Deployment bietet stärkere Standortkontrolle.

Trust Center und mögliche Subprozessortransfers bleiben Teil der Prüfung.

515. Maximale Modellkontrolle

Offene Gewichte und Self-Hosting eignen sich bei Souveränitäts- oder Datenschutzanforderungen.

Eigene Infrastruktur übernimmt Security und Betrieb.

516. Schnelle Codecompletion

Codestral 25.08 bleibt für FIM und hochfrequente Completion geeignet.

Für long-horizon Softwareagents ist Medium 3.5 stärker.

517. Bestehender Devstral-2-Stack

Devstral 2 kann für historische oder bestehende lokale Deployments relevant bleiben.

Für neue API-Integrationen empfiehlt Mistral Medium 3.5.

518. Bestehender Small-3.x-Stack

Ältere Small-Modelle können stabil und günstiger in bestehenden Systemen sein.

Neue Projekte profitieren meist von Small 4.

519. Historische Visionforschung

Pixtral 12B/Large sind für Archiv und Modellforschung interessant.

Neue Visionintegrationen sollten moderne Generalisten nutzen.

520. MoE-Geschichte

Mixtral 8x7B/8x22B sind ideale Studienobjekte für frühe offene MoE-Systeme.

Für aktuelle Produktion sind sie retired.

521. Gehostete Produktion mit Standortkontrolle

Regional Endpoints verbinden Mistral-API-Komfort mit EU-/US-Routing.

Region wird als Teil der Deploymentkonfiguration versioniert.

522. Problemhilfe: Modellname wird abgelehnt

Mögliche Ursache: Alias, Version oder Lifecycle stimmt nicht.

Sinnvolle Prüfung: aktuelle Model Card und Modell-ID prüfen.

523. Problemhilfe: `latest` verhält sich anders

Mögliche Ursache: Alias zeigt auf neue Revision.

Sinnvolle Prüfung: datierte ID pinnen.

524. Problemhilfe: Modell ist deprecated

Mögliche Ursache: Nachfolger wurde veröffentlicht.

Sinnvolle Prüfung: Replacement-Feld prüfen.

525. Problemhilfe: Modell ist retired

Mögliche Ursache: Lifecycle-Ende erreicht.

Sinnvolle Prüfung: auf empfohlenen Nachfolger migrieren.

526. Problemhilfe: 400 wegen Kontextlänge

Mögliche Ursache: Input plus Output überschreiten Modellfenster.

Sinnvolle Prüfung: Tokens zählen und kürzen.

527. Problemhilfe: Antwort bricht ab

Mögliche Ursache: Max Output oder Gesamtcontext erreicht.

Sinnvolle Prüfung: Finish Reason und Limits prüfen.

528. Problemhilfe: 429 Too Many Requests

Mögliche Ursache: Org-/Modellrate überschritten.

Sinnvolle Prüfung: Backoff und Rate Limits prüfen.

529. Problemhilfe: Priority Tier wirkt nicht

Mögliche Ursache: Modell/Plan/Route unterstützt Tier nicht.

Sinnvolle Prüfung: Priority-Konfiguration prüfen.

530. Problemhilfe: Request landet falsche Region

Mögliche Ursache: regionaler Endpoint falsch konfiguriert.

Sinnvolle Prüfung: Europe/US Endpoint explizit prüfen.

531. Problemhilfe: EU Endpoint bedeutet nicht absolut EU-only

Mögliche Ursache: Subprozessor-Ausnahme kann gelten.

Sinnvolle Prüfung: Trust Center/DPA prüfen.

532. Problemhilfe: 401/403

Mögliche Ursache: Key falsch, abgelaufen oder ohne Rechte.

Sinnvolle Prüfung: Secret/Org/Workspace prüfen.

533. Problemhilfe: SDK-Aufruf scheitert

Mögliche Ursache: SDK oder API hat sich geändert.

Sinnvolle Prüfung: aktuelle offizielle SDK-Version prüfen.

534. Problemhilfe: Streamingparser bricht

Mögliche Ursache: Tool-/Reasoning-/Textchunks unterscheiden sich.

Sinnvolle Prüfung: Eventtypen einzeln behandeln.

535. Problemhilfe: Tool Call ist ungültig

Mögliche Ursache: Schema oder Modellargument falsch.

Sinnvolle Prüfung: JSON-Schema validieren.

536. Problemhilfe: Agent hängt in Toolschleife

Mögliche Ursache: Toolfehler oder Ziel unklar.

Sinnvolle Prüfung: Stopbedingungen und Fehlersignal setzen.

537. Problemhilfe: Tools widersprechen sich

Mögliche Ursache: parallele Aktionen sehen unterschiedlichen Zustand.

Sinnvolle Prüfung: Synchronisationspunkt einbauen.

538. Problemhilfe: Conversation kennt Kontext nicht

Mögliche Ursache: falsche Conversation/Agent-ID.

Sinnvolle Prüfung: State-IDs prüfen.

539. Problemhilfe: Agent findet Dokument nicht

Mögliche Ursache: Library nicht verbunden oder ACL blockiert.

Sinnvolle Prüfung: Quelle und Berechtigung prüfen.

540. Problemhilfe: Search liefert falsche Stelle

Mögliche Ursache: Ranking oder Query zu breit.

Sinnvolle Prüfung: Primärdokument und Abschnitt prüfen.

541. Problemhilfe: Agentic Search braucht zu viele Schritte

Mögliche Ursache: Dokumentstruktur oder Ziel zu breit.

Sinnvolle Prüfung: Frage und Quellenbereich eingrenzen.

542. Problemhilfe: OCR liest Zeichen falsch

Mögliche Ursache: Scanqualität oder Layoutproblem.

Sinnvolle Prüfung: Confidence und Originalseite prüfen.

543. Problemhilfe: Tabelle ist falsch

Mögliche Ursache: Zellen oder Spalten falsch segmentiert.

Sinnvolle Prüfung: Bounding Boxes und Originalbild vergleichen.

544. Problemhilfe: Formel ist falsch

Mögliche Ursache: Symbol/OCR-Verwechslung.

Sinnvolle Prüfung: visuelle Formel prüfen.

545. Problemhilfe: Blocktyp ist falsch

Mögliche Ursache: Layoutklassifikation unsicher.

Sinnvolle Prüfung: Block Confidence und Nachbarstruktur prüfen.

546. Problemhilfe: Sprecher falsch getrennt

Mögliche Ursache: Diarization verwechselt Stimmen.

Sinnvolle Prüfung: Audioabschnitt direkt abhören.

547. Problemhilfe: Timestamp driftet

Mögliche Ursache: Streaming/Audioqualität.

Sinnvolle Prüfung: Wortzeitstempel stichprobenartig prüfen.

548. Problemhilfe: Fachwort wird zu oft erkannt

Mögliche Ursache: Context Bias zu stark.

Sinnvolle Prüfung: Biasliste verkürzen.

549. Problemhilfe: Realtime ist langsamer als erwartet

Mögliche Ursache: Netzwerk, Buffer oder Latenzsetting.

Sinnvolle Prüfung: End-to-End-Latenz messen.

550. Problemhilfe: TTS spricht Namen falsch

Mögliche Ursache: Phonetik oder Sprache unklar.

Sinnvolle Prüfung: Text-/Aussprachehinweis anpassen.

551. Problemhilfe: Voice Clone klingt falsch

Mögliche Ursache: Referenzaudio ungeeignet.

Sinnvolle Prüfung: sauberes berechtigtes Referenzaudio nutzen.

552. Problemhilfe: TTS kommerziell unklar

Mögliche Ursache: Gewichte CC BY-NC 4.0.

Sinnvolle Prüfung: Lizenz/Cloudvertrag prüfen.

553. Problemhilfe: Small 4 passt nicht in Speicher

Mögliche Ursache: 119B Gesamtgewichte trotz 6.5B aktiv.

Sinnvolle Prüfung: Quantisierung/Mehr-GPU planen.

554. Problemhilfe: Large 3 OOM

Mögliche Ursache: 675B Gesamtgewicht.

Sinnvolle Prüfung: verteiltes Serving oder API nutzen.

555. Problemhilfe: Medium 3.5 OOM

Mögliche Ursache: 128B dense plus Cache.

Sinnvolle Prüfung: Präzision/GPUs/Kontext reduzieren.

556. Problemhilfe: Ministral 3B wird mit Ministral 3 verwechselt

Mögliche Ursache: alte Größe und neue Generation ähnlich benannt.

Sinnvolle Prüfung: Releasejahr und Modell-ID prüfen.

557. Problemhilfe: Mixtral braucht viel RAM

Mögliche Ursache: alle Expertengewichte müssen verfügbar sein.

Sinnvolle Prüfung: MoE-Speicher separat kalkulieren.

558. Problemhilfe: Mistral 7B antwortet seltsam

Mögliche Ursache: falsches Instruct-Template.

Sinnvolle Prüfung: passende Revision/Chattemplate verwenden.

559. Problemhilfe: Pixtral verarbeitet Bild nicht mehr per API

Mögliche Ursache: Modell deprecated/retired.

Sinnvolle Prüfung: Small 4/Medium 3.5 prüfen.

560. Problemhilfe: Modell übersieht Bilddetail

Mögliche Ursache: Auflösung/Tokenisierung/Attention.

Sinnvolle Prüfung: Ausschnitt vergrößern oder OCR nutzen.

561. Problemhilfe: Magistral Endpoint deprecated

Mögliche Ursache: Small 4/Medium 3.5 ersetzen Reasoningpfad.

Sinnvolle Prüfung: Replacement nutzen.

562. Problemhilfe: Reasoning ist zu lang

Mögliche Ursache: reasoning_effort high.

Sinnvolle Prüfung: Effort reduzieren.

563. Problemhilfe: Komplexe Aufgabe bleibt oberflächlich

Mögliche Ursache: Reasoning deaktiviert oder zu niedrig.

Sinnvolle Prüfung: Effort erhöhen.

564. Problemhilfe: Reasoning klingt sicher, Ergebnis falsch

Mögliche Ursache: falsche Prämisse wird logisch fortgeführt.

Sinnvolle Prüfung: Quellen/Tools prüfen.

565. Problemhilfe: Devstral 2 API deprecated

Mögliche Ursache: Medium 3.5 ist Nachfolger.

Sinnvolle Prüfung: Integration migrieren.

566. Problemhilfe: Vibe CLI authentifiziert nicht

Mögliche Ursache: Plan/BYOK/API-Key falsch.

Sinnvolle Prüfung: aktuelle Authmethode prüfen.

567. Problemhilfe: Vibe löscht falsche Datei

Mögliche Ursache: Workspace-/Shellscope zu breit.

Sinnvolle Prüfung: Git diff und Workspacebegrenzung.

568. Problemhilfe: Subagenten widersprechen sich

Mögliche Ursache: getrennte Kontexte/Tools.

Sinnvolle Prüfung: Hauptagent validiert und merged.

569. Problemhilfe: Remote Agent sieht Secret

Mögliche Ursache: Repo/Context enthält Credentials.

Sinnvolle Prüfung: Secret rotieren und Uploadscope reduzieren.

570. Problemhilfe: Teleport lädt zu viel hoch

Mögliche Ursache: lokaler Kontext wurde breit übertragen.

Sinnvolle Prüfung: Sessioninhalt vor Übergabe prüfen.

571. Problemhilfe: Work will sensible Aktion ausführen

Mögliche Ursache: Agent erreicht Schreibtool.

Sinnvolle Prüfung: Approval erzwingen.

572. Problemhilfe: Arbeitsablauf wiederholt Fehler

Mögliche Ursache: Bedingung/Retry falsch.

Sinnvolle Prüfung: Run-History und Stopregel prüfen.

573. Problemhilfe: Doppelte E-Mail/Aktion

Mögliche Ursache: nicht idempotenter Retry.

Sinnvolle Prüfung: Idempotency-Key/Status prüfen.

574. Problemhilfe: Scheduled Task läuft falsch

Mögliche Ursache: Zeitzone/Trigger falsch.

Sinnvolle Prüfung: Zeitplan kontrollieren.

575. Problemhilfe: MCP verbindet nicht

Mögliche Ursache: Server/Auth/Transport falsch.

Sinnvolle Prüfung: Server separat testen.

576. Problemhilfe: MCP-Resultat beeinflusst Agentregeln

Mögliche Ursache: Tooloutput ist untrusted.

Sinnvolle Prüfung: Tooldaten als Daten kapseln.

577. Problemhilfe: Agent zeigt fremdes Dokument

Mögliche Ursache: Connector/ACL-Mapping falsch.

Sinnvolle Prüfung: Quellberechtigung auditieren.

578. Problemhilfe: Vibe erinnert Falsches

Mögliche Ursache: Memory veraltet.

Sinnvolle Prüfung: Memoryeintrag korrigieren/löschen.

579. Problemhilfe: Library nutzt alte Version

Mögliche Ursache: Quelle nicht aktualisiert.

Sinnvolle Prüfung: Dokumentowner/Sync prüfen.

580. Problemhilfe: Cached Input bleibt 0

Mögliche Ursache: Prefix unterscheidet sich.

Sinnvolle Prüfung: tokenidentisches Präfix prüfen.

581. Problemhilfe: Batch antwortet nicht sofort

Mögliche Ursache: asynchroner Job.

Sinnvolle Prüfung: Jobstatus abfragen.

582. Problemhilfe: Fine-Tune verschlechtert Modell

Mögliche Ursache: Daten/Hyperparameter verursachen Overfit.

Sinnvolle Prüfung: Baseline-Evals vergleichen.

583. Problemhilfe: Forge-Modell versagt außerhalb Domäne

Mögliche Ursache: starke Spezialisierung.

Sinnvolle Prüfung: OOD-Evals und Fallback einbauen.

584. Problemhilfe: Shieldstral klassifiziert falsch

Mögliche Ursache: Policyfrage unklar.

Sinnvolle Prüfung: Policy präzisieren und Kalibrierung testen.

585. Problemhilfe: Shieldstral lässt Angriff durch

Mögliche Ursache: adversarialer Input.

Sinnvolle Prüfung: mehrschichtige Guardrails nutzen.

586. Problemhilfe: Moderation 2 blockiert legitimen Inhalt

Mögliche Ursache: Safetyklassifikation zu strikt.

Sinnvolle Prüfung: Policy/Threshold prüfen.

587. Problemhilfe: Codingagent installiert falsches Paket

Mögliche Ursache: Halluzination/Typosquatting.

Sinnvolle Prüfung: Registry/Lockfile prüfen.

588. Problemhilfe: Patch sieht gut aus, Tests brechen

Mögliche Ursache: Logik/API falsch.

Sinnvolle Prüfung: Tests/CI/Diff reviewen.

589. Problemhilfe: Agent committed Secret

Mögliche Ursache: Repo enthielt Credential.

Sinnvolle Prüfung: Secret rotieren und History bereinigen.

590. Problemhilfe: Agent arbeitet auf falschem Branch

Mögliche Ursache: Sessionzustand unklar.

Sinnvolle Prüfung: Branch/status vor Write prüfen.

591. Problemhilfe: Leanstral-Beweis kompiliert nicht

Mögliche Ursache: Lean-Version/Import/Prooffehler.

Sinnvolle Prüfung: Lean-Compiler ausführen.

592. Problemhilfe: Leanstral-Lab verschwindet

Mögliche Ursache: Preview-Lifecycle endet.

Sinnvolle Prüfung: Weights sichern/self-host oder Nachfolger nutzen.

593. Problemhilfe: Roboternavigation unsicher

Mögliche Ursache: Wahrnehmungs-/Planungsfehler.

Sinnvolle Prüfung: Safetycontroller und Simulation nutzen.

594. Problemhilfe: Physics AI weicht Simulation ab

Mögliche Ursache: OOD oder Surrogatfehler.

Sinnvolle Prüfung: gegen Solver/Messung validieren.

595. Problemhilfe: EU Endpoint langsamer

Mögliche Ursache: regionale Kapazität/Distanz.

Sinnvolle Prüfung: regionale Performance messen.

596. Problemhilfe: Priority kostet mehr

Mögliche Ursache: reservierte Kapazitätsklasse.

Sinnvolle Prüfung: nur kritische Workloads priorisieren.

597. Problemhilfe: Consumerdaten sollen nicht trainieren

Mögliche Ursache: Opt-out nicht gesetzt.

Sinnvolle Prüfung: Trainingseinstellung prüfen.

598. Problemhilfe: Trotz Opt-out Feedback wird genutzt

Mögliche Ursache: Feedback ist separate Trainingserlaubnis.

Sinnvolle Prüfung: kein sensitives Feedback senden.

599. Problemhilfe: Privacy Policy wirkt widersprüchlich

Mögliche Ursache: Controller/Processor-Rolle unterscheidet sich.

Sinnvolle Prüfung: DPA/Commercial Terms lesen.

600. Problemhilfe: Lokales Modell sendet doch Daten

Mögliche Ursache: Launcher/Search/MCP/Telemetry aktiv.

Sinnvolle Prüfung: Netzwerkpfade prüfen.

601. Problemhilfe: Modell erfindet Fakt

Mögliche Ursache: kein zuverlässiges Grounding.

Sinnvolle Prüfung: Primärquelle/Search prüfen.

602. Problemhilfe: Quelle stützt Satz nicht

Mögliche Ursache: Search-Synthese falsch.

Sinnvolle Prüfung: Originalstelle öffnen.

603. Problemhilfe: medizinische Antwort wirkt überzeugend

Mögliche Ursache: Modell ist keine Diagnoseinstanz.

Sinnvolle Prüfung: Leitlinie/Fachperson prüfen.

604. Problemhilfe: Rechtsantwort nennt Frist

Mögliche Ursache: Jurisdiktion/Stand kann falsch sein.

Sinnvolle Prüfung: Primärrecht/Fachberatung.

605. Problemhilfe: Finanzanalyse wirkt sicher

Mögliche Ursache: Markt-/Annahmedaten fehlen.

Sinnvolle Prüfung: Primärdaten und Fachprüfung.

606. Mythos: Mistral ist nur „der französische ChatGPT-Klon“

Mistral begann als Open-Weight-Modelllabor und entwickelte erst später Le Chat/Vibe.

Modelle, Infrastruktur und Enterprise-Deployment sind mindestens so zentral wie die Chatoberfläche.

607. Mythos: Le Chat existiert 2026 gar nicht mehr

Die Produktstruktur wurde zu Vibe erweitert.

Chat bewahrt die klassische Le-Chat-Erfahrung und historische Bezeichnung.

608. Mythos: Vibe ist ein Modell

Vibe ist eine Agenten-/Arbeitsoberfläche.

Medium 3.5, Small 4 und andere Modelle können darunter arbeiten.

609. Mythos: Mistral Small 4 ist ein kleines 6B-Modell

Small 4 besitzt rund 119B Gesamtparameter; nur etwa 6–6,5B sind pro Token aktiv.

MoE-Aktivität und Gewichtsspeicher sind verschiedene Größen.

610. Mythos: Medium 3.5 ist ebenfalls MoE

Medium 3.5 ist ein dense 128B-Modell.

Alle Modellparameter sind pro Token aktiv.

611. Mythos: Large 3 ist dense wie Large 2

Large 3 kehrt zu MoE zurück: 675B Gesamt-/41B aktive Parameter.

Es ist Mistrals erstes großes MoE-Flagship seit Mixtral.

612. Mythos: Mixtral ist einfach acht vollständige Chatmodelle nebeneinander

Die Experten sitzen in MoE-Feed-Forward-Schichten und werden tokenweise geroutet.

Es handelt sich um eine gemeinsame Architektur mit gemeinsamem Attentionstack.

613. Mythos: 41B aktive Parameter bedeuten nur 41B Speicherbedarf

Alle Gewichte müssen im System verfügbar sein.

Aktivparameter beschreiben Rechenpfad, nicht Gesamtgewicht.

614. Mythos: Alle Mistral-Modelle sind Apache 2.0

Viele sind Apache 2.0, Medium 3.5 nutzt Modified MIT, Voxtral TTS CC BY-NC und historische Codestral-Stände andere Bedingungen.

Die Modellkarte entscheidet.

615. Mythos: Jedes Modell in Mistral Studio ist von Mistral trainiert

Studio kann auch Drittanbieter-Open-Models bereitstellen.

Provider und Inferenzplattform werden getrennt.

616. Mythos: Open Weight bedeutet, dass die Mistral-Cloud keine Daten verarbeitet

Wer den gehosteten API-/Vibe-Dienst nutzt, sendet Daten an einen Dienst unabhängig von der Offenheit der Gewichte.

Self-Hosting ist der lokale Datenpfad.

617. Mythos: Self-Hosting ist automatisch sicher

Lokale Agents können Shell, Dateien und Netzwerk kontrollieren.

Self-Hosting verbessert Datenkontrolle, ersetzt aber keine Security.

618. Mythos: 256K Kontext ist Langzeitgedächtnis

Kontext endet mit beziehungsweise innerhalb einer Inferenz.

Memories, Conversations und Libraries sind persistente Schichten.

619. Mythos: Reasoning Effort high ist immer besser

Tieferes Reasoning kostet Zeit und Tokens und kann unnötig überdenken.

Effort wird passend zur Aufgabe gewählt.

620. Mythos: Für Reasoning muss 2026 immer Magistral verwendet werden

Small 4 und Medium 3.5 integrieren Reasoning in Generalisten.

Magistral 1.x ist inzwischen deprecated.

621. Mythos: Devstral 2 ist noch Mistrals Standard-Codingmodell

Medium 3.5 hat Devstral 2 in neuen Vibe-/API-Integrationen ersetzt.

Offene Devstral-Gewichte bleiben historisch und lokal relevant.

622. Mythos: Codestral und Devstral sind dasselbe

Codestral ist besonders auf Completion/FIM optimiert; Devstral auf mehrstufige Software-Agenten.

Medium 3.5 vereinigt 2026 viele Agentic-Coding-Fähigkeiten.

623. Mythos: Pixtral ist noch Mistrals heutige Vision-Hauptlinie

Pixtral 12B und Large sind deprecated.

Small 4, Medium 3.5, Large 3 und Ministral 3 sind moderne multimodale Generalisten.

624. Mythos: OCR 4.1 ist einfach ein Chatmodell mit OCR-Prompt

OCR besitzt einen spezialisierten Dokumentextraktionsendpunkt und strukturierte Blockausgabe.

Es ist eine eigene Document-AI-Modellklasse.

625. Mythos: OCR-Confidence von 100 Prozent beweist Richtigkeit

Confidence ist ein Modellscore.

Kritische Werte werden am Original kontrolliert.

626. Mythos: Voxtral ist ein einziges Voice-Modell

Speech Understanding, Batch Transcription, Realtime Transcription und TTS sind getrennte Modelle beziehungsweise Endpunkte.

Auch die Lizenzen unterscheiden sich.

627. Mythos: Voxtral TTS ist Apache 2.0

Die aktuelle Model Card nennt CC BY-NC 4.0.

Commercial Use der Gewichte braucht deshalb besondere Prüfung.

628. Mythos: Shieldstral ist nur die neue Version von Moderation 2

Shieldstral ist ein offener policyadaptiver multimodaler Guardrail; Moderation 2 ein proprietärer Klassifikationsdienst.

Beide können unterschiedliche Rollen erfüllen.

629. Mythos: Eine gute Shieldstral-Policy macht weitere Security überflüssig

Safety-Klassifikation kann adversarial umgangen werden.

Permissions, Sandboxing, Approval und Monitoring bleiben nötig.

630. Mythos: Europe Regional Endpoint garantiert absolut keinerlei Datenfluss außerhalb Europas

Mistral nennt mögliche begrenzte abgesicherte Transfers zu Subprozessoren.

Trust Center und DPA sind maßgeblich.

631. Mythos: Mistral verarbeitet alles grundsätzlich nur in Frankreich

Regional Inference bietet Europa und USA; Self-Hosting kann überall stattfinden.

Produkt-/Deploymentwahl bestimmt den Ort.

632. Mythos: Consumer-Vibe und Enterprise/API haben identische Datenschutzregeln

Controller-/Processor-Rollen und Vertragsbedingungen unterscheiden sich.

Consumer Terms, Commercial Terms und DPA werden getrennt gelesen.

633. Mythos: Training Opt-out löscht alle gespeicherten Daten

Opt-out steuert Training, nicht notwendigerweise Service-, Sicherheits- oder gesetzliche Retention.

Datenlöschung ist ein anderer Prozess.

634. Mythos: Bei Training Opt-out kann Feedback niemals fürs Training verwendet werden

Die aktuellen Terms nennen Feedback mit zugehörigem Input/Output als besondere Training-/Verbesserungsquelle.

Vertrauliche Inhalte gehören deshalb nicht in Feedback.

635. Mythos: Agentic Search beweist jede gefundene Information

Mehrstufiges Retrieval verbessert Navigation und Verifikation.

Quellen können trotzdem falsch, veraltet oder widersprüchlich sein.

636. Mythos: Search Toolkit ist ein Foundation-Modell

Search Toolkit ist eine Retrieval-/Search-Infrastrukturschicht.

Das Antwortmodell ist separat.

637. Mythos: Work Mode ist ein anderes LLM

Work ist ein Agentenmodus mit Tools und Arbeitsablauflogik.

Medium 3.5 ist aktuell eine zentrale Modellkomponente darunter.

638. Mythos: Priority Tier macht das Modell intelligenter

Priority verändert Kapazitäts- und SLA-Behandlung.

Das Modellgewicht bleibt dasselbe.

639. Mythos: Forge ist nur ein UI für normales Fine-Tuning

Forge zielt auf wesentlich tiefere, frontier-nahe Custom-Model-Entwicklung.

Aufwand und Governance liegen weit über einfachem SFT.

640. Mythos: Leanstral ist nur ein Mathematikchatbot

Leanstral arbeitet mit Lean-4-Repositories und formal überprüfbaren Beweisen.

Natürliche Mathematikerklärung und Proof Engineering sind verschiedene Aufgaben.

641. Mythos: Robostral ist ein Chatmodell für Roboterfragen

Robostral Navigate ist für embodied Navigation entwickelt.

Es wird in eine physische Steuerpipeline eingebettet.

642. Mythos: Physics AI macht klassische Simulation überflüssig

Surrogatmodelle beschleunigen validierte Bereiche.

Kritische Ergebnisse werden gegen Solver und Messdaten geprüft.

643. Mythos: Das neueste Modell ist immer die beste Produktionswahl

Ältere Modelle können günstiger, stabiler, kleiner oder bereits zertifiziert sein.

Task, Lizenz, Hardware und Lifecycle entscheiden.

644. Mythos: Ein Benchmark bestimmt das beste Modell

Benchmarks hängen von Harness, Prompt, Tooling und Daten ab.

Eigene produktive Evals sind wichtiger.

645. Unternehmensanfang archivieren

April 2023, erster Mitarbeiter am 5. Juni und Seed am 13. Juni bilden die organisatorische Vorgeschichte von Mistral 7B.

Unternehmenschronik und Modellchronik werden getrennt gehalten.

646. Mistral 7B

Der 27. September 2023 bleibt der wichtigste technische Ursprung: 7.3B, GQA, SWA, Apache 2.0.

Base, Instruct und Referenzruntime werden gemeinsam gesichert.

647. Mixtral 8x7B

Der 11. Dezember 2023 ist der Beginn der offenen Mistral-MoE-Linie.

Expertarchitektur, Kontext und Instruct-Revision gehören zum Stand.

648. La Plateforme

Die erste Beta mit Tiny/Small/Medium und Embeddings dokumentiert den Übergang vom Modelllabor zum API-Anbieter.

Historische Aliase werden nicht auf heutige Modellnamen umgedeutet.

649. Mistral Large / Le Chat

Der 26. Februar 2024 markiert gleichzeitig proprietäres Flagship und eigene Consumeroberfläche.

Le Chat wird als Produkthistorie unabhängig von Modellversionen erhalten.

650. Mixtral 8x22B

141B Gesamt-/39B aktiv, 64K und Apache 2.0 dokumentieren die zweite Mixtral-Stufe.

Retirementstatus gehört ebenfalls zum heutigen Archivhinweis.

651. Codestral 2024

FIM, 22B und die Non-Production-Lizenz sind zentrale Merkmale.

Spätere Codestral-Lizenzen werden nicht rückwirkend übertragen.

652. Codestral Mamba

Der alternative State-Space-Pfad ist architektonisch eigenständig und historisch wertvoll.

Er wird nicht als normale Codestral-Version behandelt.

653. Mistral NeMo

12B, NVIDIA-Kooperation, 128K und quantization-aware training gehören zusammen.

Deprecation und Ministral-3-Nachfolger werden notiert.

654. Mistral Large 2

123B, 128K und stärkeres Tool/Codingprofil bilden die Basis von Pixtral Large.

Originalmodell und Visionerweiterung bleiben getrennt.

655. Pixtral

12B und 124B Large dokumentieren Mistrals dedizierte Visionphase 2024.

Der heutige Deprecated-Status wird sichtbar erhalten.

656. Ministral 3B/8B 2024

Die erste Edgefamilie darf nicht mit „Ministral 3“ von Dezember 2025 verwechselt werden.

Datierte Modell-IDs vermeiden Namenskonflikte.

657. Moderation 2024

Der erste Safety-Dienst bildet die Vorgeschichte von Moderation 2 und Shieldstral.

Cloudklassifikation und offener Guardrail bleiben getrennt.

658. Mistral Small 3/3.1

24B Open Weight, später Vision und 128K, sind der direkte Vorläufer von Small 4.

Die Ablösung wird als Capability-Merge dokumentiert.

659. Mistral Saba

Das regionale Sprach-/Kulturmodell zeigt eine eigene Spezialisierungsstrategie.

Regionale Modellkompetenz und Datenresidenz bleiben unterschiedliche Begriffe.

660. OCR 1–4.1

Jede Document-AI-Generation wird mit API-Ausgabe und Strukturmerkmalen archiviert.

4.1 ist der aktuelle Endpunkt am Stichtag.

661. Medium 3

Der Mai-2025-Release etabliert die neue Frontier-Mittelklasse.

Die 3.5-Generation ersetzt ihn 2026.

662. Le Chat Enterprise

Search, Libraries, Agents, Connectors und Hybrid Deployment zeigen die Enterprise-Transformation.

Spätere Vibe-Begriffe werden nicht rückwirkend in frühe 2025er Screenshots geschrieben.

663. Devstral

Die 2025er Agentic-Coding-Linie führt von 24B über Medium zu Devstral 2.

Modelle und Agentenharness werden gemeinsam bewertet.

664. Agents API

Der 27. Mai 2025 markiert persistente serverseitige Agenten als Plattformfeature.

Agenten-/Conversation-Schemas werden versioniert.

665. Magistral

Die erste explizite Reasoningfamilie bildet die Vorgeschichte von reasoning_effort in Small 4/Medium 3.5.

Small/Medium und 1.2-Updates werden getrennt gesichert.

666. Mistral Compute

Compute wird ab Juni 2025 Teil der Produktgeschichte.

Die 2026er Regional-/ECU-Strategie baut darauf auf.

667. Voxtral

Speech Understanding, Transcribe 2, Realtime und TTS werden als getrennte Audiozweige archiviert.

Modellgrößen und Lizenzen bleiben sichtbar.

668. Le Chat Memory/MCP

September 2025 markiert Persistenz und externe Toolintegration im Consumer-/Enterprise-Assistenten.

Das ist ein wichtiger Schritt vom Chat zum Agenten.

669. Mistral AI Studio

Der Oktober-2025-Start dokumentiert die Entwicklung von La Plateforme zur AI-Engineering-Oberfläche.

Prompts, Skills und Arbeitsabläufe werden später als eigene Assets ausgebaut.

670. Vibe

Der Produktname wird von 2025 bis 2026 vom Coding-/Produktivitätsagenten zur vereinheitlichten Chat/Work/Code-Oberfläche erweitert.

CLI-, VS-Code-, Web- und Remoteversionen werden separat datiert.

671. Mistral 3

Large 3 und Ministral 3 am 2. Dezember 2025 markieren einen großen offenen Generationswechsel.

Apache 2.0, 675B/41B und kleine Vision-/Reasoningmodelle sind Kernpunkte.

672. Devstral 2

123B/24B plus Vibe CLI dokumentieren den Dezember-2025-Codingstand.

Die rasche Deprecation zugunsten Medium 3.5 gehört zur Geschichte.

673. Small 4

16. März 2026: 119B MoE, ~6.5B aktiv, 256K, Vision, Reasoning, Coding und Apache 2.0.

Dieser Capability-Merge ist einer der wichtigsten Mistral-Meilensteine.

674. Medium 3.5

28. April 2026: 128B dense, 256K, Vision, Reasoning Effort, Agentic Coding, Modified MIT.

Er ist am Stichtag der zentrale aktuelle Vibe-/Agenten-Generalist.

675. Vibe Work / Remote Agents

22.–28. Mai 2026 markieren den Schritt zu asynchronen Cloudagenten, Work Mode und vereinheitlichtem Vibe.

Approvalmechanismen werden mitarchiviert.

676. OCR 4.1

Bounding Boxes, Blocklabels und Blockconfidence machen Document AI strukturell auditierbarer.

Der Aliasstand `mistral-ocr-latest` wird datiert.

677. Leanstral 1.5

Der Proof-Agent zeigt Mistrals Spezialisierung in formal verifizierbare Domains.

Preview-/Retirementdatum ist Teil des Artefakts.

678. Robostral Navigate

Der 8. Juli 2026 markiert Mistrals Einstieg in embodied Navigation.

Modell, Roboterplattform und Safety Layer werden gemeinsam dokumentiert.

679. Shieldstral

Der 4. August 2026 ist der aktuelle offene Safety-Meilenstein.

Policyprompt, Modellrevision und Threshold gehören zum reproduzierbaren Test.

680. Regional Inference

Der 11. August 2026 markiert GA-Regionsteuerung für Europa und USA.

Region, Trust-Center-Ausnahmen und Priority-Tier-Status werden gemeinsam gesichert.

681. Agentic Search

Der 20. August 2026 ist der aktuelle Retrieval-Endpunkt der Chronik.

Search Toolkit, Libraries und OCR bilden gemeinsam den Unternehmensdatenpfad.

682. HUMAIN

Die Kooperation vom 24. August 2026 erweitert Mistrals Sovereign-AI-Strategie in den Nahen Osten.

Sie wird als Infrastruktur-/Partnerschaftsereignis und nicht als Modellrelease geführt.

683. Vergleich mit ChatGPT/OpenAI

Die ChatGPT-Chronik zeigt stärker zentralisierte proprietäre Frontiermodelle und Produkte.

Mistral kombiniert kommerzielle Dienste konsequent mit vielen offenen Gewichten und Self-Hosting.

684. Vergleich mit Claude

Die Claude-Chronik fokussiert wenige proprietäre Modelle und starke Agentenwerkzeuge.

Mistral bietet ähnlich professionelle Agents, aber erheblich mehr Open-Weight- und Deploymentoptionen.

685. Vergleich mit Gemini

Die Gemini-Chronik besitzt ein größeres Consumer-/Search-/Android-Ökosystem.

Mistral differenziert sich durch europäische Souveränität, Self-Hosting und offene Spezialmodelle.

686. Vergleich mit DeepSeek

Die DeepSeek-Chronik ist ebenfalls stark bei offenen MoE- und Agentenmodellen.

Mistral ist breiter bei Enterprise-Deployment, Audio, OCR und regionaler Infrastrukturkontrolle.

687. Vergleich mit Qwen

Die Qwen-Chronik besitzt eine noch breitere Größen-/Multimodalitätsfamilie.

Mistral setzt stärker auf europäische Enterprise-Souveränität und kompakte spezialisierte Modelle.

688. Vergleich mit Llama/Muse

Die Meta-AI-/Llama-/Muse-Chronik verbindet offene Gewichte mit Socialprodukten.

Mistral bleibt stärker Enterprise-, Developer- und Infrastrukturorientiert.

689. Vergleich mit Perplexity

Die Perplexity-Chronik baut primär Search- und Multi-Modell-Orchestrierung.

Mistral entwickelt die Foundationmodelle und gleichzeitig Search Toolkit, Agents und Compute selbst.

690. Vergleich mit Grok

Die Grok-Chronik ist eng mit X und Echtzeit-Socialdaten verbunden.

Mistral besitzt kein vergleichbares Socialnetz und setzt auf offene Modelle und Unternehmensdaten.

691. Vergleich mit Copilot

Die Copilot-Chronik integriert AI tief in Microsoft 365 und Windows.

Vibe Work/Code verfolgt ähnliche Arbeitsagentenziele mit stärkerer Deploymentfreiheit.

692. Zur KI-Werkzeugübersicht

Die Seite KI-Werkzeuge bleibt der übergreifende Vergleich.

Diese Chronik vertieft ausschließlich Mistral AI, Le Chat/Vibe und das Mistral-Modell-/Infrastrukturökosystem.

693. Wohin Mistral 2026 zeigt

Mistral bewegt sich von kompakten offenen Modellen zu einem vollständigen europäischen AI-Stack aus Frontiermodellen, Agenten, Search, Document AI, Audio, Safety und Compute.

Regional kontrollierbare Inferenz und offene Gewichte werden als strategische Kombination behandelt.

694. Fazit: Europas Modelllabor ist zum Full-Stack-AI-Anbieter geworden

Zwischen Mistral 7B im September 2023 und Agentic Search/HUMAIN im August 2026 liegen weniger als drei Jahre.

Die besondere Linie ist die Verbindung aus Open Weights, Effizienz, Self-Hosting, professionellen Agenten und wachsender souveräner Infrastruktur.

Weiterführende interne Themen

Die übergreifende Methoden- und Sicherheitsseite bleibt KI-Werkzeuge. Die parallelen großen Chroniken dokumentieren OpenAI ChatGPT, Anthropic Claude, Google Gemini, xAI / SpaceXAI Grok, Meta AI / Llama / Muse, Perplexity AI, DeepSeek, Alibaba Qwen und Microsoft Copilot.