Mistral AI Test: lokale Modelle, Large 3, Small 4 und NSFW-Politik

Mistral ist längst mehr als Mistral 7B oder Mixtral. Die aktuelle Reihe reicht von kleinen lokalen Modellen bis zu Enterprise-MoE-Modellen: Mistral Large 3, Medium 3.5, Small 4, Ministral 3 und Devstral 2 für Coding.

Für lokale Nutzer ist Ministral 3 der realistischste Einstieg. Small 4 und Medium 3.5 passen eher zu Servern oder API-Nutzung. Large 3 ist Enterprise-Infrastruktur und kein bequemes Modell für den Heim-PC.

Kurzfazit

Bedarf	Empfehlung
Lokaler Einstieg	Ministral 3 3B/8B, bevorzugt GGUF oder FP8
Ausgewogener Server	Mistral Small 4
Agenten und Code	Mistral Medium 3.5 oder Devstral 2
Enterprise Open Weights	Mistral Large 3
NSFW / weniger Ablehnungen	Nicht der Hauptfokus von Mistral

Aktuelle Mistral-Reihe

Mistrals Stärke ist die klare Staffelung: kleine Modelle für lokal und Edge, mittlere für Server und große für Unternehmen. Nach Hardware und Aufgabe zu wählen ist sinnvoller als immer das größte Modell zu nehmen.

Modell	Zugang	Größe	Kontext	Ideal für
Mistral Medium 3.5	Open Weights Modified MIT	Dense 128B	256k	Agenten, Code, Vision und Function Calling
Mistral Small 4	Apache 2.0	119B gesamt / 6,5B aktiv	256k	Chat, Reasoning, Code und Dokumente
Mistral Large 3	Apache 2.0	675B gesamt / 41B aktiv MoE	256k	Enterprise, mehrsprachig, multimodal
Ministral 3	Apache 2.0	3B, 8B, 14B	256k	Edge, lokale Assistenten, Fine-Tuning
Devstral 2	Open-weight Coding	123B / 24B	Code-orientiert	Software-Agenten

Online nutzen und herunterladen

Online starten Sie mit Mistral Chat oder Mistral AI Studio / La Plateforme für API-Zugriff. Downloads finden Sie bei Mistral Large 3, Mistral Small 4, Mistral Medium 3.5, Ministral 3 8B, Ministral 3 3B GGUF und Devstral 2 collection.

Lokaler Einsatz und Hardware

Mistrals Stärke ist die klare Staffelung: kleine Modelle für lokal und Edge, mittlere für Server und große für Unternehmen. Nach Hardware und Aufgabe zu wählen ist sinnvoller als immer das größte Modell zu nehmen.

Modell	Realistische Hardware
Ministral 3 3B	BF16 etwa 16GB VRAM; quantisiertes GGUF teils unter 8GB
Ministral 3 8B	FP8 etwa 12GB VRAM; quantisiert leichter
Ministral 3 14B	Besser mit 16GB-24GB oder mehr
Mistral Small 4	Etwa 60GB-238GB GPU RAM, eher Server
Mistral Medium 3.5	128B dense, Multi-GPU oder API
Mistral Large 3	675B MoE, Enterprise-Infrastruktur

Leistung und echte Erfahrungen

Offizielle Informationen betonen Mehrsprachigkeit, Code, Reasoning, Vision und niedrige Latenz. Die Community schätzt Lizenzklarheit und Enterprise-Ökosystem. Large 3 und Medium 3.5 bleiben aber schwer; Ministral 3 ist für lokale Nutzer der beste Anfang.

Vergleich mit anderen lokalen LLMs

Model family	Strength	Limit	Best for
Mistral	Clear licensing, multilingual, enterprise tooling	Large models need serious hardware	Commercial local AI
Qwen 3.8	Strong local community and coding balance	Branch/license details vary	Practical local users
Gemma 4	Efficient Google-backed line	Official models are not NSFW-first	General assistants
Dolphin 3	Classic uncensored route	Less enterprise-safe	Adult writing and roleplay
Llama 4	Multimodal and strong ecosystem	Tool support varies	Open multimodal apps

NSFW und Sicherheitsgrenzen

Mistral ist keine NSFW-first-Familie. Offizielle Produkte folgen Richtlinien gegen CSAM, nicht einvernehmliche intime Bilder, illegale Aktivitäten, Belästigung und Filterumgehung. Open Weights geben beim Self-Hosting Kontrolle, machen Standardmodelle aber nicht zu Dolphin-artigen uncensored Modellen.

Community und Ökosystem

Das Ökosystem umfasst Hugging Face, Transformers, vLLM, SGLang, llama.cpp/GGUF für kleine Modelle, Ollama, LM Studio, Mistral Studio, Vibe, Devstral und Moderationstools. Bei Quantisierungen sollten Bildeingabe, Long Context und Function Calling geprüft werden.

FAQ

Welches Modell zuerst testen?

Ministral 3 3B oder 8B, wegen Größe und lokaler Formate.

Läuft Large 3 auf einem PC?

Realistisch nein. 675B MoE ist Enterprise-Infrastruktur.

Was bringt Small 4?

Chat, Reasoning und Code in einem effizienten Server-MoE.

Ist Mistral besser als Qwen oder Llama?

Kommt auf den Einsatz an. Mistral punktet bei Lizenz, Mehrsprachigkeit und Enterprise; Qwen/Llama oft bei Hobby-Tools.

Ist es gut für NSFW?

Nicht offiziell. Dedizierte Fine-Tunes sind direkter.

Quellen

• Mistral models overview
• Mistral Medium 3.5 documentation
• Mistral Small 4 documentation
• Mistral 3 announcement
• Mistral pricing
• Mistral usage policy
• Mistral moderation and guardrails
• NVIDIA on Mistral 3

Fazit

Mistral ist stark, weil die Reihe vom lokalen Ministral 3 bis zum Enterprise Large 3 reicht. Beginnen Sie mit dem kleinsten Modell, das Ihre Aufgabe löst, und wechseln Sie erst dann zu größeren Modellen, wenn Kosten, Latenz und Qualität es rechtfertigen.

Overall, Mistral is most valuable for readers who care about commercial usability, deployment flexibility and multilingual capability. Start small for local use, then scale up only when the workload clearly requires it.