Mistral Medium 3.5

Fiche modèle · Mistral AI · mistral-medium-3-5

Mistral Medium 3.5 is Mistral AI's first flagship merged model: a dense 128B-parameter multimodal model with a 256k context window that unifies instruction-following, reasoning, and coding capabilities in a single set of weights. It replaces Mistral Medium 3.1 and Magistral in Le Chat, and Devstral 2 in the Vibe coding agent. Reasoning effort is configurable per request, and the vision encoder was trained from scratch to handle variable image sizes and aspect ratios. Released as open weights under a Modified MIT License.

Fiches modèles

Identité

Organisation	Mistral AI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-04-29
Licence	modified mit license
Licence commerciale	non
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 128 Md > 107 Md
Modalités	image\|text
Fenêtre de contexte	262 144
KV cache / token (Q8)	180.2 ko/token
Paramètres totaux	128 B
Paramètres actifs (session)	128 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (mistralai/Mistral-Medium-3.5-128B)) ; total : config Hugging Face (mistralai/Mistral-Medium-3.5-128B)
Curation des paramètres actifs	2026-11-04
Prix par session	3.00 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	25.20 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-18T19:13:56.403118Z
Mis à jour le	2026-11-04T06:04:56.873374Z
Source	LLM Stats
URL	https://llm-stats.com/models/mistral-medium-3-5

Tokens/tâche

IA Act — preuves fournisseur

ICA 12/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	0,0	35 %
Conformité droit d'auteur	0,0	35 %
Code of Practice GPAI	2,5	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : souverain — via GreenPT (eurouter), Mistral AI (cortecs, llm_stats), Scaleway (cortecs, eurouter).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
GreenPT	eurouter	souverain	—	—	—	180 000	—	—	—
Mistral AI	cortecs	souverain	1.54 $	7.90 $	—	256 000	—	—	—
Mistral AI	llm-stats	souverain	1.50 $	7.50 $	—	—	—	—	active
Scaleway	cortecs, eurouter	souverain	1.68 $	8.42 $	—	180 000 / 256 000	—	—	—

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
instruction_following	0.70
language	1.00
math	0.80
reasoning	0.60
search	0.50
finance	0.30
frontend_development	0.80
general	0.60
agents	0.30
code	0.80
tool_calling	0.10
writing	1.00

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2025	math	0.86	1.00	0.86	non	oui	2026-11-04T06:04:56.927281Z
beyond-aime	math	0.67	1.00	0.67	non	oui	2026-11-04T06:04:56.939657Z
browsecomp	reasoning	0.49	1.00	0.49	non	oui	2026-11-04T06:04:56.923282Z
collie	language	0.96	1.00	0.96	non	oui	2026-11-04T06:04:56.936737Z
finance-agent-v2	agents	0.32	1.00	0.32	non	non	2026-11-04T06:04:56.943221Z
ifbench	instruction_following	0.69	1.00	0.69	non	oui	2026-11-04T06:04:56.931899Z
swe-bench-verified	reasoning	0.78	1.00	0.78	non	oui	2026-11-04T06:04:56.883277Z
tau3-airline	agents	0.72	1.00	0.72	non	oui	2026-11-04T06:04:56.898729Z
tau3-banking	agents	0.13	1.00	0.13	non	oui	2026-11-04T06:04:56.908851Z
tau3-retail	agents	0.76	1.00	0.76	non	oui	2026-11-04T06:04:56.902042Z
tau3-telecom	agents	0.91	1.00	0.91	non	oui	2026-11-04T06:04:56.893415Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	145	—	8.90	3	trueskill	2026-10-19	model_history
code	87	—	23.53	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04