This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Mistral has launched a newer release, Mistral Small 4. We suggest considering it instead.

Mistral

•

Open weights model

•

Released Juni 2025

Mistral Small 3.2: Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Geschwindigkeit

k. A.

Ausgabetokens pro Sekunde

Kosten

Eingabe 0,075 $Ausgabe 0,20 $

k. A.

Kosten pro Intelligence-Index-Aufgabe

Ausführlichkeit

k. A.

Ausgabetokens im Intelligence Index

Mistral Small 3.2 zählt bei der Intelligenz zu den führenden Modellen, ist aber etwas teuer im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe. Das Modell unterstützt Text und Bilder als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 128k Tokens.

Mistral Small 3.2 erzielt im Artificial Analysis Intelligence Index einen Wert von 8 und liegt damit deutlich über dem Durchschnitt der vergleichbaren Modelle (Median: 6).

Der Preis für Mistral Small 3.2 beträgt $0.07 pro 1 Mio. Eingabetokens (etwas teuer; Median: $0.04) und $0.20 pro 1 Mio. Ausgabetokens (etwas teuer; Median: $0.14).

Reasoning	Nein Diese Seite zeigt die Version dieses Modells ohne Reasoning. Möglicherweise gibt es auch eine Reasoning-Variante.
Eingabemodalität	Unterstützt: Text und Bilder
Ausgabemodalität	Unterstützt: Text
Kontextfenster	128k ~192 A4-Seiten in Arial mit Schriftgröße 12
Gesamtparameter	24B
Lizenz	Apache 2.0
Modellgewichte	Hugging Face

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Wichtigste Ergebnisse

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Engineering Index

Incorporates 6 evaluations: AA-Omniscience, Humanity's Last Exam, CritPt, GDPval-AA v2.1, AA-Briefcase v1.1, Terminal-Bench 4.0 · Higher is better

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Openness Index

Artificial Analysis Openness Index: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Kosten

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Modellgröße (nur Modelle mit offenen Gewichten)

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Häufig gestellte Fragen

Häufige Fragen zu Mistral Small 3.2

Mistral Small 3.2 wurde am 20. Juni 2025 veröffentlicht.

Mistral Small 3.2 wurde von Mistral entwickelt.

Mistral Small 3.2 erzielt im Artificial Analysis Intelligence Index einen geschätzten Wert von 8 und liegt damit im Vergleich zu anderen Modellen ohne Reasoning mit offenen Gewichten ähnlicher Größe deutlich über dem Durchschnitt (Median: 6).

Mistral Small 3.2 kostet $0.07 pro 1 Mio. Eingabetokens (besser als der Durchschnitt; Median: $0.15) und $0.20 pro 1 Mio. Ausgabetokens (sehr konkurrenzfähig; Median: $0.32). Die Angaben basieren auf dem Median aller Anbieter, die das Modell bereitstellen.

Mistral Small 3.2 kostet $0.07 pro 1 Mio. Eingabetokens und $0.20 pro 1 Mio. Ausgabetokens (auf Grundlage des Medians aller Anbieter, die das Modell bereitstellen). Bei einem Mischpreis mit einem Verhältnis von 7:2:1 für Cache-Treffer, Eingabe und Ausgabe entspricht dies $0.09 pro 1 Mio. Tokens. Der Preis kann je nach Anbieter variieren. Preise der Anbieter vergleichen

Nein, Mistral Small 3.2 ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Mistral Small 3.2 unterstützt Text und Bilder als Eingabe.

Mistral Small 3.2 unterstützt Text als Ausgabe.

Ja, Mistral Small 3.2 unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Mistral Small 3.2 ist multimodal. Es kann Text und Bilder als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Mistral Small 3.2 hat ein Kontextfenster von 130k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Ja, Mistral Small 3.2 hat offene Gewichte. Die Modellgewichte sind öffentlich verfügbar und können zum Selbsthosten heruntergeladen werden.

Mistral Small 3.2 hat 24 Milliarden Parameter.

Mistral Small 3.2 wird unter der Lizenz Apache 2.0 veröffentlicht. Diese Lizenz erlaubt die kommerzielle Nutzung. Lizenz anzeigen

Mistral Small 3.2 erzielt im Artificial Analysis Intelligence Index einen Wert von 8. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Ja, Mistral Small 3.2 ist über 1 Anbieter per API verfügbar. API-Anbieter vergleichen

Mistral Small 3.2 ist über 1 API-Anbieter verfügbar. Anbieter vergleichen

Mistral Small 3.2: Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Geschwindigkeit

Kosten

Ausführlichkeit

Zusammenfassung des Vergleichs

Technische Spezifikationen

75 Modelle in dieser Klasse

Intelligenz

Geschwindigkeit

Kosten pro Aufgabe

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Fähigkeitsindizes

Artificial Analysis Engineering Index

Benchmarks

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: Score

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Kosten

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Kontextfenster

Context Window

Context Window for RAG

Context Window

Modellgröße (nur Modelle mit offenen Gewichten)

Model Size: Total and Active Parameters

Total Parameters

Active Parameters at Inference Time

Häufig gestellte Fragen

Wann wurde Mistral Small 3.2 veröffentlicht?

Wer hat Mistral Small 3.2 entwickelt?

Wie intelligent ist Mistral Small 3.2?

Wie viel kostet Mistral Small 3.2?

Wie gestaltet sich der API-Preis von Mistral Small 3.2?

Ist Mistral Small 3.2 ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Mistral Small 3.2?

Welche Ausgabemodalitäten unterstützt Mistral Small 3.2?

Kann Mistral Small 3.2 Bilder verarbeiten?

Ist Mistral Small 3.2 multimodal?

Wie groß ist das Kontextfenster von Mistral Small 3.2?

Hat Mistral Small 3.2 offene Gewichte?

Wie viele Parameter hat Mistral Small 3.2?

Unter welcher Lizenz steht Mistral Small 3.2?

Wie schneidet Mistral Small 3.2 in Benchmarks ab?

Ist Mistral Small 3.2 über eine API verfügbar?

Wo kann ich Mistral Small 3.2 verwenden?