Kann ich Mistral Medium 3.5 lokal ausführen?

Mistral AI beschreibt es als offene Gewichte und selbst hostbar auf nur vier GPUs, aber derzeit ist kein Hugging Face Repository gelistet, also prüfe Mistrals eigene Kanäle für den tatsächlichen Download.

Was kostet Mistral Medium 3.5 und wie groß ist das Kontextfenster?

Der Preis liegt bei $1,50 pro Million Eingabetokens und $7,50 pro Million Ausgabetokens, mit einem 262.144-Token (256K) Kontextfenster.

Worin unterscheidet sich Mistral Medium 3.5 von anderen Mistral-Modellen?

Es bietet native Vision-Eingabe, eine konfigurierbare Denkaufwand-Einstellung pro Anfrage und fokussiert auf Multi-Tool-agentenbasierte Workflows, die kleinere Mistral-Modelle in diesem Umfang nicht bieten.

Mistral Medium 3.5

3081°

#llm #mistralai #vision #logik #agenten #programmieren

Modell ausführen

Angebote / Werbung

OpenRouter Terminal / API

Bezahlung pro Token

Chatte mit diesem Modell im Browser oder rufe es mit einem API-Schlüssel aus deinem Code auf.

Mistral | 262.144 Token Kontext | $1.50/M Eingabe, $7.50/M Ausgabe. Mistral Medium 3.5 ist ein dichtes 128B instruktionstuned Modell von Mistral AI. Es unterstützt Text- und Bildeingaben mit Textausgabe und ist für agentenbasierte Workflows, Programmierung und komplexes mehrstufiges Denken konzipiert. Es ist besonders stark bei zuverlässigem Multi-Tool-Aufruf und Langzeitaufgaben, mit einem 256K Kontextfenster, konfigurierbarem Denkaufwand pro Anfrage und einem benutzerdefinierten Vision-Encoder, der variable Bildgrößen und Seitenverhältnisse verarbeitet. Selbst hostbar auf nur vier GPUs und unter offenen Gewichten verfügbar.

Anleitungen zu diesem Modell

Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst

Wie viel VRAM brauche ich eigentlich für lokale KI?

Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife

Alle Anleitungen

Captain's Notizen

Geschrieben von Captain, dem Hausredakteur

Notizen vom 2026-10-13

Mistral Medium 3.5 ist ein 128B dichtes Modell von Mistral AI mit einem 256K Kontextfenster, Vision-Eingabe und konfigurierbarem Denkaufwand pro Anfrage. Es richtet sich an agentenbasierte Workflows und mehrstufige Aufgaben, mit besonderer Stärke im zuverlässigen Multi-Tool-Aufruf. Die offenen Gewichte sind selbst auf vier GPUs hostbar und es nimmt eine nützliche Mittelstellung zwischen leichten und frontier-skaligen Modellen ein.

Bekannt für

Zuverlässiger Multi-Tool-Aufruf bei langanhaltenden agentenbasierten Aufgaben
Konfigurierbarer Denkaufwand, der pro einzelner Anfrage anpassbar ist
Vision-Encoder verarbeitet variable Bildgrößen und Seitenverhältnisse nativ
256K Kontextfenster für große Dokumente oder ausgedehnte Gespräche
Selbst hostbar auf nur vier GPUs trotz 128B Parameteranzahl

Achte auf

Offene Gewichte werden behauptet, aber derzeit ist kein Hugging Face Repository gelistet; Verfügbarkeit vor Nutzung prüfen.
Bei $7,50/M Ausgabetokens steigen die Kosten schnell bei agentenbasierten Schleifen mit langen Antworten.
128B bedeutet ernsthafte Hardwareanforderungen für Selbsthosting; vier GPUs sind das Minimum, kein Casual-Setup.

Am besten für

Agenten und Werkzeugnutzung

Prompts zum Ausprobieren

Multi-Tool-Agentenplan

Du hast Zugriff auf ein Web-Suchtool, ein Code-Ausführungstool und ein Datei-Lesetool. Ein Nutzer möchte den aktuellen Wechselkurs zwischen EUR und JPY wissen, dann berechnen, wie viel 4.750 EUR in JPY wert sind, und das Ergebnis in einer Datei namens result.txt speichern. Schreibe die vollständige Tool-Aufrufsequenz, die du Schritt für Schritt ausführst, mit den genauen Argumenten, die du an jedes Tool übergibst.

Einen kniffligen Fehler durchdenken

Diese Python-Funktion soll die zweitgrößte eindeutige Zahl in einer Liste zurückgeben, schlägt aber bei manchen Eingaben still fehl. Identifiziere alle Randfälle, die falsche Ausgaben oder Ausnahmen verursachen könnten, erkläre, warum jeder Fall die Funktion bricht, und schreibe sie dann so um, dass alle Fälle behandelt werden: def second_largest(nums): nums = sorted(set(nums)) return nums[-2]

Ein Bild detailliert analysieren

Füge einen Screenshot eines Dashboards, Diagramms oder einer Grafik an. Beschreibe jeden Datenpunkt oder UI-Element, das du sehen kannst, identifiziere Anomalien oder Trends und schlage zwei konkrete Maßnahmen vor, die ein Produktteam basierend auf dem Bild ergreifen könnte.

Vergleichen mit

Ministral 3 14B 2512
Modell mit offenen Gewichten
262,144 Token Kontext · $0.20/M Eingabe, $0.20/M Ausgabe
Mistral Small 4
Modell mit offenen Gewichten
262,144 Token Kontext · $0.15/M Eingabe, $0.60/M Ausgabe
Devstral 2 2512
Modell mit offenen Gewichten
262,144 Token Kontext · $0.40/M Eingabe, $2.00/M Ausgabe
Mistral Small 3.1 24B
Modell mit offenen Gewichten
128,000 Token Kontext · $0.35/M Eingabe, $0.55/M Ausgabe

Mehr Textmodelle von mistralai

Häufig gestellte Fragen

Kann ich Mistral Medium 3.5 lokal ausführen?: Mistral AI beschreibt es als offene Gewichte und selbst hostbar auf nur vier GPUs, aber derzeit ist kein Hugging Face Repository gelistet, also prüfe Mistrals eigene Kanäle für den tatsächlichen Download.
Was kostet Mistral Medium 3.5 und wie groß ist das Kontextfenster?: Der Preis liegt bei $1,50 pro Million Eingabetokens und $7,50 pro Million Ausgabetokens, mit einem 262.144-Token (256K) Kontextfenster.
Worin unterscheidet sich Mistral Medium 3.5 von anderen Mistral-Modellen?: Es bietet native Vision-Eingabe, eine konfigurierbare Denkaufwand-Einstellung pro Anfrage und fokussiert auf Multi-Tool-agentenbasierte Workflows, die kleinere Mistral-Modelle in diesem Umfang nicht bieten.

Captain's Urteil
Ein ernsthafter agentenbasierter Arbeitspferd mit Vision und langem Kontext; der Ausgabepreis bedeutet, dass man Antworten knapp halten möchte.

Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Wie sich dieser Wert zusammensetzt

Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.

Glossar: die hier verwendeten Begriffe

Heat-Score: Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
Grundwert: Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
Download-Äquivalente: Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
Logarithmische Skala: Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
Likes: Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
Verbreitungsrate: Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
Gemessen und geschätzt: Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
Seeder: Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
AI Horde: Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
Generierungsseiten: Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
OpenRouter Tokens: Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Vollständiges Modell (Checkpoint): Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
LoRA und Embedding: Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
Familie und Gewichte: Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
Alter: Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
Familien-Boost: Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
Stand-in-Wert: Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
Neu! (Schonfrist): Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
Trend: Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
Typisches Modell: Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.

Ähnliche Modelle

Muse Spark 1.2 Contributor

TEXT / LLM

KI-Modelle für Bild-, Video- und Texterzeugung

Mistral Medium 3.5 ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.

Weitere Text / LLM-Modelle llm mistralai vision logik agenten programmieren langer kontext

Nach Modellfamilie stöbern