Mistral Large 2, entwickelt von Mistral, bietet ein Kontextfenster von 128.000 Token und ist zu einem Preis von 3,00 USD pro Million Eingabe-Token und 9,00 USD pro Million Ausgabe-Token erhältlich. Das am 24. Juli 2024 veröffentlichte Modell erzielte im MMLU-Benchmark bei einer 5-Shot-Auswertung eine Punktzahl von 84,0 und zeigt damit eine starke Leistung in verschiedenen Aufgaben.
Webseite KI-Modell-Webseite | |
Anbieter Die Entität, die dieses Modell bereitstellt. | |
Chat Geben Sie eine Nachricht ein, um zu chatten | - |
Veröffentlichungsdatum Wann das Modell erstmals veröffentlicht wurde. | 2 Jahre ago Jun 24, 2024 |
Modalitäten Arten von Daten, die dieses Modell verarbeiten kann | Text |
API-Anbieter Die Anbieter, die dieses Modell anbieten. (Diese Liste ist nicht vollständig.) | Azure AI, AWS Bedrock, Google AI Studio, Vertex AI, Snowflake Cortex |
Datum des Wissensstandes Wann das Wissen des Modells zuletzt aktualisiert wurde. | Unbekannt |
Open Source Ob der Code des Modells öffentlich verfügbar ist. | Ja |
Preisgestaltung Eingabe Kosten für die Verarbeitung von Token in Ihren Eingaben | $3.00 pro Million Token |
Preisgestaltung Ausgabe Kosten für vom Modell generierte Token | $9.00 pro Million Token |
MMLU Massive Multitask Language Understanding – Testet Wissen in 57 Fächern, darunter Mathematik, Geschichte, Recht und mehr | 84% 5-shot Quelle |
MMLU-Pro Ein robusterer MMLU-Benchmark mit schwierigeren, auf logisches Denken fokussierten Fragen, einer größeren Auswahl an Antworten und geringerer Sensitivität für Eingabevariationen | 50.69% Quelle |
MMMU Massive Multitask Multimodal Understanding – Testet das Verständnis über Text, Bilder, Audio und Video hinweg | Nicht verfügbar |
HellaSwag Ein anspruchsvoller Benchmark für Satzvervollständigung | Nicht verfügbar |
HumanEval Bewertet Codegenerierung und Problemlösungsfähigkeiten | Nicht verfügbar |
MATH Testet mathematische Problemlösungsfähigkeiten auf verschiedenen Schwierigkeitsstufen | 1.13% Quelle |
GPQA Testet Wissen auf PhD-Niveau in Chemie, Biologie und Physik durch Multiple-Choice-Fragen, die tiefgehendes Fachwissen erfordern | 24.94% |
IFEval Testet die Fähigkeit des Modells, Formatierungsvorgaben genau zu befolgen, angemessene Ausgaben zu generieren und konsistente Instruktionsbefolgung über verschiedene Aufgaben hinweg zu gewährleisten | 84.01% |
SimpleQA Bewertung der Genauigkeit einfacher Fragen | - |
AIME 2024 | - |
AIME 2025 | - |
Aider Polyglot Mehrsprachige Programmier-Benchmark. | - |
LiveCodeBench v5 Benchmark für Echtzeit-Programmierung | - |
Global MMLU (Lite) Eine vereinfachte Version des Benchmarks zur Beurteilung der Universalität von Modellen auf globaler Ebene. | - |
MathVista Bewertet die mathematischen Denkfähigkeiten von KI-Modellen in visuellen Kontexten | - |
Mobile Anwendung | - |
Compare AI. Test. Benchmarks. Mobile Chatbot-Apps, Sketch
Copyright © 2026 All Right Reserved.