Mistral eröffnet Responses-API im OpenAI-Format und stellt DeepSeek V4.1 Flash sowie GLM 5.3 Flash bereit

Mistral AI hat an diesem Mittwoch, dem 28. Oktober, um 15:01 Uhr Pariser Zeit die Eröffnung seiner Responses-API in öffentlicher Vorschau angekündigt, die als „konzipiert für den Aufbau von Agenten auf Mistral“ präsentiert wird. Im selben Thread fügt das Unternehmen zwei schnelle und kostengünstige Modelle zu seinem Inferenzangebot hinzu: DeepSeek V4.1 Flash, in Vorschau, und GLM 5.3 Flash von Z.ai, nun allgemein verfügbar.

Das Responses-Format von OpenAI, bei Mistral

Bisher fragte man die Mistral-Modelle vor allem über eine API vom Typ Chat Completions ab, die eine Nachricht zurückgibt. Die Responses-API gibt stattdessen eine Liste getrennter Elemente zurück: die Antwort des Modells, sein Reasoning und seine Tool-Aufrufe. Für eine Agenten-Anwendung wird jeder Schritt leichter einzeln zu verarbeiten, was Mistral hervorhebt.

Die Dokumentation ist eindeutig: Die API ermöglicht die Nutzung der Mistral-Modelle „mit dem Responses-Format von OpenAI“ und richtet sich sowohl an neue Projekte als auch an bestehende Responses-Integrationen, die zu Mistral migriert werden sollen. Laut API-Referenz lautet der Endpunkt POST /v1/responses, mit einer Methode responses.create im Mistral-SDK. Mistral gibt auf X an, sie funktioniere mit „allen von Mistral gehosteten Chat-Modellen, einschließlich Large 4“. Mistrals Leitfaden zur Migration von OpenAI verweist übrigens für Anwendungen, die bereits client.responses.create() aufrufen, auf diese API.

Während der Vorschau werden unterstützt: Text, Bilder und Dateien als Eingabe (URL, Base64-Daten oder bereits hochgeladene Datei), strukturierte Ausgaben (JSON-Modus und JSON Schema), Streaming, Funktionsaufruf und Reasoning, einstellbar über reasoning.effort, je nach Modell. Ein dedizierter Endpunkt zählt die Eingabe-Token, bevor eine Anfrage gesendet wird. Die Beispiele in der Dokumentation verwenden Mistral Large 4.

Eine zustandslose API

Wichtiger Unterschied zu dem, was man oft mit dem Responses-Format verbindet: Die Mistral-Version ist zustandslos. Der Server behält die Konversation nicht; die Anwendung muss bei jeder Anfrage den gesamten Verlauf zurücksenden, einschließlich der Ausgabeelemente früherer Antworten. Die Funktionen werden clientseitig ausgeführt: Das Modell fordert einen Aufruf an, die Anwendung führt ihn aus und sendet das Ergebnis mit der Aufruf-ID zurück. Mistral präzisiert, dass die API in der Europäischen Union und den Vereinigten Staaten auf seinem Angebot Mistral AI Cloud Inference bereitgestellt wird.

Zwei chinesische Modelle zum kleinen Preis

Die Preisliste von Mistral, abgerufen am 28. Oktober, zeigt:

• DeepSeek V4.1 Flash 1017 (deepseek-v4-1-flash-1017), in öffentlicher Vorschau, Kontext von einer Million Token: 0,30 $ pro Million Eingabe-Token, 0,007 $ bei gecachter Eingabe, 1,20 $ bei Ausgabe. Mistral empfiehlt es für Code über langen Kontext und Agenten-Aufgaben.
• GLM 5.3 Flash von Z.ai (zai-glm-5-3-flash), allgemein verfügbar, Kontext von einer Million Token: 0,15 $ Eingabe, 0,03 $ im Cache, 0,50 $ Ausgabe. Laut Datenblatt ist es ein multimodales Mixture-of-Experts-Modell mit 320 Milliarden Parametern, davon 18 Milliarden aktiv, bereitgestellt „ohne Änderung durch Mistral“. Der Anbieter bestimmt es für Sub-Agenten, Tool-Aufrufe und Code.

Zum Vergleich: Mistral Small 4 ist mit 0,15 $ Eingabe und 0,60 $ Ausgabe gelistet, und Mistral Large 4 mit 1,36 $ und 4,18 $.

Was noch zu klären bleibt

Mistral kündigt eine Kompatibilität mit allen seinen gehosteten Chat-Modellen an, was DeepSeek V4.1 Flash und GLM 5.3 Flash einschließen sollte, aber die Dokumentation veröffentlicht keine detaillierte Tabelle pro Modell und wir haben es nicht getestet. Die akzeptierten Reasoning-Stufen variieren zudem je nach Modell. Der Vorschau-Status bedeutet auch, dass der Umfang sich weiterentwickeln kann; Mistral lädt dazu ein, Probleme zu melden.