Mistral Medium 3
2341°
Ejecutar este modelo
Ofertas / Anuncios
Mistral | contexto de 131,072 tokens | $0.40/M entrada, $2.00/M salida. Mistral Medium 3 es un modelo de lenguaje empresarial de alto rendimiento diseñado para ofrecer capacidades de vanguardia a un costo operativo significativamente reducido. Equilibra razonamiento y rendimiento multimodal de última generación con un costo 8× menor en comparación con modelos grandes tradicionales, haciéndolo adecuado para implementaciones escalables en casos de uso profesionales e industriales. El modelo sobresale en dominios como codificación, razonamiento STEM y adaptación empresarial. Soporta…Mistral | contexto de 131,072 tokens | $0.40/M entrada, $2.00/M salida. Mistral Medium 3 es un modelo de lenguaje empresarial de alto rendimiento diseñado para ofrecer capacidades de vanguardia a un costo operativo significativamente reducido. Equilibra razonamiento y rendimiento multimodal de última generación con un costo 8× menor en comparación con modelos grandes tradicionales, haciéndolo adecuado para implementaciones escalables en casos de uso profesionales e industriales. El modelo sobresale en dominios como codificación, razonamiento STEM y adaptación empresarial. Soporta implementaciones híbridas, on-prem y en VPC, y está optimizado para integración en flujos de trabajo personalizados. Mistral Medium 3 ofrece precisión competitiva en relación con modelos más grandes como Claude Sonnet 3.5/3.7, Llama 4 Maverick y Command R+, manteniendo amplia compatibilidad en entornos cloud.
Guías para este modelo
Las 10 alternativas más baratas a ChatGPT en 2026: modelos locales gratuitos, planes gratuitos y tarifas planas
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
Cómo elegir un modelo de IA en octubre de 2026: las novedades de código cerrado y luego los pesos abiertos que vale la pena descargar
Notas del capitán
Notas del 2026-10-13
Mistral Medium 3 es un modelo empresarial de lenguaje de pesos cerrados de Mistral AI con soporte visual y una ventana de contexto de 131,072 tokens. Apunta a cubrir el vacío entre modelos ligeros y los costosos de frontera, con un precio muy inferior a los modelos grandes y una precisión competitiva frente a Claude Sonnet y Llama 4 Maverick. Si tu carga de trabajo es programación, STEM o automatización empresarial y necesitas opciones flexibles de despliegue, incluyendo on-premises y VPC, vale la pena considerarlo.
Conocido por
- Fuerte razonamiento en programación y STEM a una fracción del precio de modelos grandes
- Soporte visual junto con tareas estándar de texto
- Despliegue flexible: nube, híbrido, on-premises y en VPC
- Bajo costo de entrada a $0.40 por millón de tokens
- Diseñado para integración en flujos de trabajo empresariales personalizados
Cuidado con
- Los pesos no son abiertos; no puedes ejecutarlo localmente ni autoalojarlo fuera de las opciones aprobadas por Mistral.
- El precio de salida a $2.00 por millón de tokens puede acumularse rápido en tareas verbosas o de alto volumen.
- No se publican detalles en la ficha técnica, por lo que es difícil verificar de forma independiente las afirmaciones de capacidad.
Prompts para probar
Depurar una función complicada
Aquí tienes una función en Python que debería devolver las N palabras más frecuentes en un texto, pero tiene al menos dos errores. Encuéntralos, explica qué hace mal cada uno y devuelve una versión corregida con una breve explicación de tus cambios.
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]
Planificar una canalización de investigación STEM
Necesito construir una canalización automatizada que ingiera diariamente nuevos resúmenes de arXiv en aprendizaje automático, los clasifique en cinco categorías temáticas, marque cualquiera que cite a un autor específico y envíe un resumen por correo electrónico. Describe la arquitectura, nombra las herramientas o APIs que usarías en cada paso y señala riesgos de fiabilidad que debería contemplar en el diseño.
Describir y criticar un gráfico
Adjunto un gráfico de un informe empresarial. Describe qué muestra, identifica cualquier elección de diseño engañosa (ejes truncados, rangos seleccionados, líneas base ausentes) y sugiere un cambio concreto que lo haga más honesto.
Comparar con
- Mistral Small 4Modelo con pesos abiertosContexto de 262,144 tokens · $0.15/M entrada, $0.60/M salida
- Mistral Small 3.2 24BModelo con pesos abiertosContexto de 256,000 tokens · $0.09/M entrada, $0.25/M salida
- Mistral Large 4Modelo solo APIContexto de 1,048,576 tokens · $0.68/M entrada, $2.09/M salida
- Mistral Small 3.2 24B Instruct 2506Modelo con pesos abiertosContexto de 128,000 tokens · $0.07/M entrada, $0.20/M salida
Más modelos de texto de mistralai
Preguntas frecuentes
- ¿Puedo ejecutar Mistral Medium 3 localmente?
- No. Los pesos no están disponibles públicamente, por lo que el uso local o autoalojado solo es posible mediante las opciones de despliegue on-premises y en VPC de Mistral, no a través de herramientas como Ollama o LM Studio.
- ¿Cuánto cuesta Mistral Medium 3 y cuál es la ventana de contexto?
- Cuesta $0.40 por millón de tokens de entrada y $2.00 por millón de tokens de salida, con una ventana de contexto de 131,072 tokens.
- ¿En qué se diferencia Mistral Medium 3 de Mistral Large o Mistral Small?
- Mistral posiciona Medium 3 entre sus niveles pequeño y grande, buscando una precisión cercana a la de frontera a un precio inferior al de los modelos grandes; Mistral no ha publicado una comparación directa entre los tres en la documentación disponible.
Veredicto del capitánUna opción sensata intermedia para cargas de trabajo empresariales de programación y STEM donde necesitas despliegue flexible y no puedes justificar los precios de modelos de frontera.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Mistral Medium 3 es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmmistralaivisiónprogramaciónrazonamientoagentes
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153