Mistral AI: Was sie wirklich anbieten und wie sie sich mit OpenAI vergleichen

Mistral AI wurde im Mai 2023 von drei Forschern gegründet, die DeepMind und Meta AI verließen. Arthur Mensch (DeepMind), Guillaume Lample und Timothée Lacroix (beide Meta AI) starteten das Unternehmen in Paris mit einer klaren Prämisse: Frontier-KI-Modelle sollten in Europa entwickelt werden können, und zumindest einige davon sollten offen sein.

Achtzehn Monate später hatte das Unternehmen über 1,1 Milliarden Dollar eingesammelt, eine Bewertung von 6 Milliarden Dollar erreicht und Modelle veröffentlicht, die mit GPT-3.5 bei einem Bruchteil der Rechenkosten konkurrieren. Das ist ein praktischer Überblick darüber, was Mistral im Jahr 2026 wirklich anbietet und wo OpenAI noch die Nase vorn hat.

Die Modellpalette

Mistral verfolgt zwei Ansätze: Open-Weights-Modelle unter Apache 2.0 und geschlossene API-only-Modelle über La Plateforme.

Open-Weights-Modelle (kostenlos zum Download, Betrieb und Fine-Tuning):

Mistral 7B -- 7 Milliarden Parameter, Apache 2.0. Hat bei seiner Veröffentlichung im September 2023 jedes offene Modell seiner Größenklasse übertroffen. Wird nach wie vor häufig für selbst gehostete Inferenz eingesetzt.
Mixtral 8x7B -- Sparse Mixture-of-Experts-Architektur mit 12,9 Milliarden aktiven Parametern aus insgesamt 46,7 Milliarden. Entspricht oder übertrifft GPT-3.5 Turbo in den meisten Benchmarks bei vergleichbarer Geschwindigkeit.
Mistral NeMo 12B -- Im Juli 2024 gemeinsam mit NVIDIA veröffentlicht, Apache 2.0. 128.000 Token Kontextfenster. Starke mehrsprachige Leistung in Englisch, Französisch, Deutsch, Spanisch, Italienisch, Portugiesisch, Chinesisch, Japanisch, Koreanisch und Arabisch.
Codestral -- 22-Milliarden-Parameter-Modell für die Codegenerierung, unterstützt mehr als 80 Programmiersprachen. Unter einer separaten Lizenz verfügbar (kostenlos für nicht-kommerzielle Nutzung, kommerzielle Lizenz erforderlich).
Pixtral 12B -- Multimodales Modell (Text + Bilder), Apache 2.0, veröffentlicht im September 2024. Verarbeitet Diagramme, Dokumente und allgemeines Bildverständnis.
Mistral Small 3 -- 24-Milliarden-Parameter-Modell, veröffentlicht im Januar 2025, Apache 2.0. Beste Leistung seiner Größenklasse für Instruction-Following und Function-Calling.

Geschlossene API-Modelle (nur über La Plateforme):

Mistral Large 2 -- Flagship-Modell, 123 Milliarden Parameter, 128.000 Token Kontextfenster, Function-Calling, mehrsprachig. Direkter Konkurrent zu GPT-4o.
Mistral Small (API) -- Optimiert für das Kosten-Leistungs-Verhältnis in produktiven API-Workloads.

Der direkte Vergleich mit OpenAI

Fähigkeiten

Bei den meisten produktiven Textaufgaben liegen Mistral Large 2 und GPT-4o nah beieinander. Beide verarbeiten 128.000 Token Kontext, unterstützen Function-Calling mit strukturiertem JSON-Output und sind mehrsprachig mit guter Abdeckung europäischer Sprachen.

GPT-4o hat einen deutlichen Vorsprung bei:

Komplexen Reasoning-Ketten -- Mathematik, mehrstufige Logikprobleme
Bildanalyse -- GPT-4o Vision ist leistungsfähiger als Pixtral 12B für anspruchsvolle Bildanalysen
Codegenerierung -- GPT-4o und GPT-4o-mini übertreffen Mistral Large 2 generell auf kompetitiven Coding-Benchmarks wie HumanEval

Mistral hat einen deutlichen Vorsprung bei:

Europäischen Sprachen -- insbesondere Französisch und Deutsch, was angesichts des Teamhintergrunds wenig überrascht
Open-Weights-Verfügbarkeit -- kein vergleichbares Angebot von OpenAI für irgendein produktionsreifes Modell
Self-Hosting -- Mistral 7B, Mixtral 8x7B oder Mistral Small 3 lassen sich auf eigener Infrastruktur betreiben

Preise (La Plateforme vs. OpenAI API, Anfang 2026)

Modell	Eingabe (pro 1 Mio. Token)	Ausgabe (pro 1 Mio. Token)
Mistral Large 2	2,00 $	6,00 $
GPT-4o	2,50 $	10,00 $
Mistral Small (API)	0,20 $	0,60 $
GPT-4o mini	0,15 $	0,60 $

Mistral Large 2 ist pro Ausgabe-Token günstiger als GPT-4o. Bei Workloads mit hohem Generierungsanteil (Zusammenfassungen, Entwürfe, Langtext) summiert sich dieser Unterschied im großen Maßstab erheblich.

Was OpenAI bietet, das Mistral nicht hat

OpenAIs Ökosystem ist breiter aufgestellt:

o1/o3 -- reasoning-fokussierte Modelle ohne vergleichbares Gegenstück bei Mistral
DALL-E und Sora -- Bild- und Videogenerierung, kein Mistral-Äquivalent
Whisper -- weit verbreitetes offenes Spracherkennungsmodell (Mistral hat kein Voice-Produkt)
Assistants API -- Thread-Verwaltung, Dateisuche, integrierter Code-Interpreter
Agenten-Tooling -- OpenAI hat mehr in agentische Scaffolding-Funktionen investiert

Mistrals Le-Chat-Konsumentenprodukt deckt grundlegende Chat-Anwendungsfälle ab, aber ChatGPT hat eine deutlich größere Nutzerbasis und ausgefeiltere Produktfunktionen (Sprachmodus, Memory, Plugins, GPTs).

Der Vorteil offener Gewichte

OpenAI hat seit GPT-2 keine Modellgewichte mehr veröffentlicht. Jedes Modell ab GPT-3 ist geschlossen. Mistrals Open-Weights-Veröffentlichungen unter Apache 2.0 sind kein Trostpreis -- sie sind aus mehreren Gründen strategisch bedeutsam.

Betrieb auf eigener Infrastruktur. Ein Unternehmen mit sensiblen Daten kann Mistral 7B oder Mixtral 8x7B in einem EU-Rechenzentrum betreiben, ohne dass Daten die eigene Umgebung verlassen. Keine API-Aufrufe, kein Anbieter-Zugriff auf Anfragen.

Fine-Tuning möglich. Wer domänenspezifische Daten hat -- Rechtsdokumente, medizinische Unterlagen, Finanzberichte -- kann ein offenes Mistral-Modell auf diesen Daten trainieren, ohne sie an einen Dritten zu senden.

Kein Vendor-Lock-in. Wenn Mistral Preise, API-Bedingungen oder Ratenlimits ändert, kann das eingesetzte Modell weiter betrieben werden. Bei OpenAI-Modellen ist das nicht möglich.

Die praktische Untergrenze für Open-Weights-Inferenz ist Mixtral 8x7B. Mit insgesamt 46,7 Milliarden und 12,9 Milliarden aktiven Parametern läuft es auf zwei A100-80GB-GPUs oder vier A6000s. Für EU-Produktivdeployments bieten Hetzner (Deutschland) und OVHcloud (Frankreich) die dafür benötigten GPU-Instanzen.

Datenlokalisierung

La Plateforme wird auf Servern in Europa betrieben. Mistral hat sich ausdrücklich zur EU-Datenlokalisierung für API-Kunden verpflichtet. Die Datenschutzrichtlinie bestätigt, dass Daten für die Verarbeitung nicht in die USA übertragen werden.

OpenAI verarbeitet Daten auf Infrastruktur, die sich hauptsächlich in den Vereinigten Staaten befindet. Europäische Nutzer der OpenAI-API unterliegen für die DSGVO-Konformität Standardvertragsklauseln, aber die Daten selbst überqueren den Atlantik.

Für die meisten B2B-Anwendungsfälle sind die Standardvertragsklauseln ausreichend. Für Unternehmen mit strengen vertraglichen Anforderungen an die Datenlokalisierung, branchenspezifischen Regelungen (Banking, Gesundheit, öffentlicher Sektor) oder Kundenverträgen, die eine Nicht-EU-Verarbeitung verbieten, ist Mistrals EU-Hosting direkt relevant.

Praktische Entscheidungshilfe für Käufer

Wer zwischen Mistral Large 2 und GPT-4o für einen produktiven Workload entscheiden muss, landet in der Regel bei drei Fragen:

Erfordert der Anwendungsfall einzigartige OpenAI-Fähigkeiten? Wer fortgeschrittenes Reasoning (o1/o3), Bildgenerierung oder Audiodaten braucht, ist auf OpenAI angewiesen. Mistral deckt das nicht ab.

Wie sensibel sind die Daten? Müssen Daten in der EU verbleiben, ohne sich auf Transfermechanismen zu stützen, bieten La Plateforme oder selbst gehostete Open-Weights-Modelle das ohne Umwege.

Wie hoch ist das Volumen? Bei hochvolumigen Generierungs-Workloads macht Mistral Large 2's niedrigerer Ausgabe-Token-Preis einen materiellen Unterschied. Bei 100 Millionen Ausgabe-Token pro Monat spart Mistral Large 2 rund 40.000 Dollar gegenüber GPT-4o.

Für Benchmarking veröffentlichen beide Anbieter Evals zu MMLU, HumanEval und MT-Bench. Eigene Aufgaben sollten vor einer Entscheidung mit beiden getestet werden -- veröffentlichte Benchmarks spiegeln selten die Verteilung der eigenen Produktionsdaten wider.

Die API-Dokumentation von Mistral ist unter docs.mistral.ai verfügbar. Die Open-Weights-Modelle sind auf Hugging Face veröffentlicht.