Magistral
Mistrals Reasoning-Modell mit Fokus auf mehrsprachiges Denken (denkt auch auf Deutsch statt nur Englisch) und nachvollziehbare Gedankengänge.
Mistrals Reasoning-Modell mit Fokus auf mehrsprachiges Denken (denkt auch auf Deutsch statt nur Englisch) und nachvollziehbare Gedankengänge.
So nutzt du es
Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).
Größen & Hardware
- Verfügbare Größen: ~24B (Small)
- Empfohlene Hardware (Q4): 16–24 GB
Im Detail
Magistral ist Mistrals dediziertes Reasoning-Modell mit rund 24B Parametern. Besonderheit gegenüber vielen englischsprachig trainierten Denk-Modellen: Es formuliert seine Gedankenkette auch auf Deutsch statt nur intern auf Englisch zu denken und erst am Ende zu übersetzen. Das macht die Zwischenschritte für deutschsprachige Nutzer direkt nachvollziehbar und leichter zu prüfen. Passt in 16–24 GB. Lohnt sich, wenn man komplexe Aufgaben (Mathematik, Logik, mehrstufige Analysen) auf Deutsch lösen und dabei den Lösungsweg kontrollieren will, statt nur ein Endergebnis zu bekommen.
Praxis-Tipp
Für deutsche Analyseaufgaben etwa prompten mit „Denke Schritt für Schritt auf Deutsch und erkläre dein Ergebnis“ – die Gedankenkette bleibt dann nachvollziehbar in Deutsch.
Siehe auch
Lizenz & Quelle
Erfahrungen & Kommentare.
Funktioniert der Modell bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
Llama 3.1
Der Meta-Klassiker mit 128K Kontext. 8B ist ein sehr solider Allrounder für schwächere Hardware, spricht ordentlich Deutsch.
Llama 3.3
Leistet laut Meta ungefähr so viel wie das riesige 405B-Modell — der Preis-Leistungs-Tipp, wenn man 64 GB (z. B. Mac Studio) hat.
Llama 4 (Scout / Maverick)
Metas MoE-Generation mit sehr großem Kontext und Bildverständnis. Für Heim-Hardware meist zu groß — eher für Server/Mac Studio 128 GB+.