Bolehkah saya menjalankan Mistral Medium 3 secara tempatan?

Tidak. Berat tidak tersedia secara umum, jadi penggunaan secara tempatan atau hos sendiri hanya boleh melalui pilihan penyebaran on-prem dan dalam VPC Mistral, bukan melalui alat seperti Ollama atau LM Studio.

Berapa kos Mistral Medium 3 dan berapa tetingkap konteksnya?

Kosnya adalah $0.40 per sejuta token input dan $2.00 per sejuta token output, dengan tetingkap konteks 131,072 token.

Bagaimana Mistral Medium 3 berbeza daripada Mistral Large atau Mistral Small?

Mistral meletakkan Medium 3 di antara tahap kecil dan besar, mensasarkan ketepatan hampir frontier pada harga lebih rendah daripada model besar; Mistral belum menerbitkan perbandingan penanda aras langsung antara ketiga-tiga dalam dokumentasi yang tersedia.

Mistral Medium 3

2341°

#llm #mistralai #penglihatan #pengaturcaraan #penalaran #ejen

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Mistral | konteks token 131,072 | $0.40/M input, $2.00/M output. Mistral Medium 3 adalah model bahasa gred perusahaan berprestasi tinggi yang direka untuk memberikan keupayaan tahap hadapan pada kos operasi yang jauh lebih rendah. Ia mengimbangi penaakulan dan prestasi multimodal terkini dengan kos 8× lebih rendah berbanding model besar tradisional, menjadikannya sesuai untuk penyebaran skala besar merentasi kes penggunaan profesional dan industri. Model ini cemerlang dalam domain seperti pengkodan, penaakulan STEM, dan penyesuaian perusahaan. Ia menyokong penyebaran hibrid, di premis, dan…Mistral | konteks token 131,072 | $0.40/M input, $2.00/M output. Mistral Medium 3 adalah model bahasa gred perusahaan berprestasi tinggi yang direka untuk memberikan keupayaan tahap hadapan pada kos operasi yang jauh lebih rendah. Ia mengimbangi penaakulan dan prestasi multimodal terkini dengan kos 8× lebih rendah berbanding model besar tradisional, menjadikannya sesuai untuk penyebaran skala besar merentasi kes penggunaan profesional dan industri. Model ini cemerlang dalam domain seperti pengkodan, penaakulan STEM, dan penyesuaian perusahaan. Ia menyokong penyebaran hibrid, di premis, dan dalam VPC serta dioptimumkan untuk integrasi ke dalam aliran kerja tersuai. Mistral Medium 3 menawarkan ketepatan kompetitif berbanding model lebih besar seperti Claude Sonnet 3.5/3.7, Llama 4 Maverick, dan Command R+, sambil mengekalkan keserasian luas merentasi persekitaran awan.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah pada 2026: model tempatan percuma, tahap percuma dan pelan kadar rata

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Cara memilih model AI pada Oktober 2026: berita sumber tertutup, kemudian berat terbuka yang patut dimuat turun

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Mistral Medium 3 adalah model bahasa perusahaan dengan berat tertutup dari Mistral AI yang menyokong visi dan mempunyai tetingkap konteks 131,072 token. Ia menyasarkan jurang antara model ringan dan model frontier yang mahal, dengan harga jauh di bawah tahap model besar sambil mendakwa ketepatan yang kompetitif berbanding Claude Sonnet dan Llama 4 Maverick. Jika beban kerja anda adalah pengkodan, STEM, atau automasi perusahaan dan anda memerlukan pilihan penyebaran yang fleksibel termasuk on-prem dan VPC, ia patut dipertimbangkan.

Dikenali untuk

Pengkodan dan penalaran STEM yang kuat pada sebahagian kecil harga model besar
Sokongan visi bersama tugas teks standard
Penyebaran fleksibel: awan, hibrid, on-prem, dan dalam VPC
Kos input rendah pada $0.40 per sejuta token
Direka untuk integrasi ke dalam aliran kerja perusahaan khusus

Berhati-hati dengan

Berat tidak terbuka; anda tidak boleh menjalankan ini secara tempatan atau hos sendiri di luar pilihan penyebaran yang diluluskan oleh Mistral.
Harga output pada $2.00 per sejuta token boleh bertambah dengan cepat pada tugas yang panjang atau berjumlah tinggi.
Tiada butiran kad model diterbitkan, jadi tuntutan keupayaan bebas sukar untuk disahkan.

Terbaik untuk

Pengaturcaraan

Penalaran

Penglihatan

Ejen dan penggunaan alat

Arahan untuk cuba

Betulkan fungsi yang rumit

Berikut adalah fungsi Python yang sepatutnya mengembalikan kata-kata paling kerap top-N dalam satu rentetan, tetapi ia mempunyai sekurang-kurangnya dua pepijat. Cari mereka, terangkan apa yang salah pada setiap satu, dan kembalikan versi yang diperbetulkan dengan penjelasan ringkas tentang perubahan anda. def top_words(text, n): words = text.lower().split() counts = {} for w in words: counts[w] = counts.get(w, 1) + 1 return sorted(counts, key=counts.get)[:n]

Rancang saluran penyelidikan STEM

Saya perlu membina saluran automatik yang mengambil abstrak baru arXiv dalam pembelajaran mesin setiap hari, mengklasifikasikannya ke dalam lima kategori topik, menandakan mana-mana yang memetik pengarang tertentu, dan menghantar ringkasan melalui emel. Gariskan seni bina, namakan alat atau API yang anda akan gunakan pada setiap langkah, dan tandakan sebarang risiko kebolehpercayaan yang perlu saya reka bentuk.

Terangkan dan kritik carta

Saya melampirkan carta dari laporan perniagaan. Terangkan apa yang ditunjukkan, kenal pasti sebarang pilihan reka bentuk yang mengelirukan (paksi yang dipotong, julat yang dipilih secara terpilih, garis dasar yang hilang), dan cadangkan satu perubahan konkrit yang akan menjadikannya lebih jujur.

Bandingkan dengan

Mistral Small 4
Model berat terbuka
konteks 262,144 token · Input $0.15/M, output $0.60/M
Mistral Small 3.2 24B
Model berat terbuka
konteks 256,000 token · Input $0.09/M, output $0.25/M
Mistral Large 4
Model hanya API
konteks 1,048,576 token · Input $0.68/M, output $2.09/M
Mistral Small 3.2 24B Instruct 2506
Model berat terbuka
konteks 128,000 token · Input $0.07/M, output $0.20/M

Lebih banyak model teks dari mistralai

Soalan yang sering ditanya

Bolehkah saya menjalankan Mistral Medium 3 secara tempatan?: Tidak. Berat tidak tersedia secara umum, jadi penggunaan secara tempatan atau hos sendiri hanya boleh melalui pilihan penyebaran on-prem dan dalam VPC Mistral, bukan melalui alat seperti Ollama atau LM Studio.
Berapa kos Mistral Medium 3 dan berapa tetingkap konteksnya?: Kosnya adalah $0.40 per sejuta token input dan $2.00 per sejuta token output, dengan tetingkap konteks 131,072 token.
Bagaimana Mistral Medium 3 berbeza daripada Mistral Large atau Mistral Small?: Mistral meletakkan Medium 3 di antara tahap kecil dan besar, mensasarkan ketepatan hampir frontier pada harga lebih rendah daripada model besar; Mistral belum menerbitkan perbandingan penanda aras langsung antara ketiga-tiga dalam dokumentasi yang tersedia.

Keputusan Kapten
Pilihan pertengahan yang munasabah untuk beban kerja pengkodan dan STEM perusahaan di mana anda memerlukan penyebaran fleksibel dan tidak boleh membenarkan harga model frontier.

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

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

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Mistral Medium 3 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm mistralai penglihatan pengaturcaraan penalaran ejen

Layari mengikut keluarga model