Einstellungsdatum
Der Anbieter stellt dieses Modell am 4. November 2026 ein. Bis dahin funktioniert es wie gewohnt.
Geschwindigkeitsanalyse
Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.
Qualitätswerte
Wie sich dieses Modell je Prompt-Kategorie zum übrigen Feld verhält, aus einem paarweisen Fit über dieselben Prompts. Die rohe Jury-Wertung steht unter jeder Zahl.
Gewinnrate je Kategorie: wie oft dieses Modell ein durchschnittliches Modell bei einem Prompt dieser Kategorie schlägt. 50% ist der Durchschnitt, keine schlechte Note. Es ist kein Prozentsatz richtiger Antworten.
Preise
Was Sie pro Million Tokens zahlen, wenn Sie dieses Modell über Tokonomix nutzen, plus eine Schätzung für ein typisches Gespräch.
Tokens pro Sekunde
Durchsatz in Tokens pro Sekunde, abgeleitet aus gemessener P50-Latenz. Höhere Werte sind besser; Schwankungen spiegeln die Provider-seitige Last wider.
Geschätzt aus P50-Latenz × 200 Output-Tokens — die absolute Zahl hängt von dieser Annahme ab; entscheidend ist der Trend.
Fähigkeiten
Verfügbarkeit
Verfügbarkeit
Wie oft dieses Modell antwortet, wenn wir es aufrufen — gemessen anhand echter API-Anfragen und Live-Tests der letzten 30 Tage. Dies ist unabhängig von der Qualität: Diese Zahlen zeigen nur, ob das Modell antwortet, nicht wie gut die Antwort ist.
Letzte 7 Tage
100.0%
n=169
Letzte 30 Tage
100.0%
n=2,732
Mediane Antwortzeit
2,122ms
n=2,732
Basierend auf 3,112 Messungen in den letzten 30 Tagen.
Technische Details
Nur echte API-Aufrufe und Live-Test-Anfragen werden gezählt — interne Proben und Benchmark-Läufe sind ausgeschlossen.
Aufrufe mit einem eigenen API-Schlüssel (BYOK) sind ausgeschlossen: Diese Fehler sind schlüsselspezifisch und kein Zeichen für Modellausfälle.
Fehlgeschlagene Aufrufe werden NICHT in Qualitätswerten berücksichtigt — Qualität wird nur für erfolgreiche Antworten gemessen. Verfügbarkeit und Qualität sind unabhängige Signale.
Mediane Antwortzeit (p50) über erfolgreiche Aufrufe mit aufgezeichneter Dauer. Ausreißer beeinflussen den Median weniger als den Durchschnitt.
Gesamte Aufrufe (30d)
2,732
OK-Antworten (30d)
2,732
Gesamte Aufrufe (7d)
169
OK-Antworten (7d)
169
Tokonomix-Benchmark-Urteile
Quality stable at 74.0 with 28% faster latency, factual scores recover
Mistral-Small-3.2-24B-Instruct-2506 delivered through OVH AI Endpoints shows marginal quality improvement from 73.8 to 74.0, representing essential stability after previous period declines. The most significant development is a 28% latency reduction, dropping from 7735ms to 5595ms at median, making the model noticeably more responsive for users. Category performance reveals mixed signals. Factual question handling improved dramatically from 14 to 38 points, though this remains the weakest category by far. Coding performance declined slightly from perfect 100 to still-excellent 92, while multilingual capabilities improved modestly from 89 to 92. The previous window showed reasoning at 92 and creative writing at 74, but these categories were not measured in the current window, limiting direct comparison. Overall, this model maintains strong multilingual and coding capabilities while struggling with factual accuracy tasks. The latency improvements make it more practical for interactive applications, but users requiring high factual precision should verify outputs carefully. The stability in overall quality combined with better responsiveness represents a favorable tradeoff for most use cases.
Qualität
74.0
Latenz p50
5,595 ms
Testläufe
5