This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Mistral has launched a newer release, Mistral Medium 3.5. We suggest considering it instead.

Mistral

•

Proprietary model

•

Released August 2025

Mistral Medium 3.1: Analyse von Intelligenz, Leistung und Preis

Name: Intelligenz
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Ausprobieren Benchmarks der API-Anbieter

Geschwindigkeit

k. A.

Ausgabetokens pro Sekunde

Kosten

Eingabe 0,00 $Ausgabe 0,00 $

k. A.

Kosten pro Intelligence-Index-Aufgabe

Mistral Medium 3.1 zählt bei der Intelligenz zu den überdurchschnittlichen Modellen und ist preislich gut aufgestellt im Vergleich zu anderen Modellen ohne Reasoning mit ähnlichem Preis. Das Modell unterstützt Text und Bilder als Eingabe und Text als Ausgabe. Das Kontextfenster umfasst 128k Tokens.

Mistral Medium 3.1 erzielt im Artificial Analysis Intelligence Index einen Wert von 9 und liegt damit über dem Durchschnitt der vergleichbaren Modelle (Median: 7). Bei der Evaluation des Intelligence Index erzeugte es 18M Tokens und antwortete damit etwas ausführlich im Vergleich zum Median von 12M.

Der Preis für Mistral Medium 3.1 beträgt $0.00 pro 1 Mio. Eingabetokens (preislich konkurrenzfähig; Median: $0.05) und $0.00 pro 1 Mio. Ausgabetokens (preislich konkurrenzfähig; Median: $0.15).

Reasoning	Nein Diese Seite zeigt die Version dieses Modells ohne Reasoning. Möglicherweise gibt es auch eine Reasoning-Variante.
Eingabemodalität	Unterstützt: Text und Bilder
Ausgabemodalität	Unterstützt: Text
Kontextfenster	128k ~192 A4-Seiten in Arial mit Schriftgröße 12

Metriken werden mit Modellen derselben Klasse verglichen:

Modelle ohne Reasoning → Vergleich nur mit anderen Modellen ohne Reasoning
Reasoning-Modelle → Vergleich mit Reasoning-Modellen und Modellen ohne Reasoning
Modelle mit offenen Gewichten → Vergleich nur mit anderen Modellen mit offenen Gewichten derselben Größenklasse:

Sehr klein: ≤4B Parameter
Klein: 4B–40B Parameter
Mittel: 40B–150B Parameter
Groß: >150B Parameter

Proprietäre Modelle → Vergleich mit proprietären Modellen und Modellen mit offenen Gewichten derselben Preisklasse anhand eines Mischpreisverhältnisses von 3:1 für Eingabe/Ausgabe:

<$0.15 pro 1 Mio. Tokens
$0.15–$1 pro 1 Mio. Tokens
>$1 pro 1 Mio. Tokens

Wichtigste Ergebnisse

Updated

Intelligenz

Artificial Analysis Intelligence Index · Higher is better

Geschwindigkeit

Output tokens per second · Higher is better

Kosten pro Aufgabe

Weighted average cost (USD) per Intelligence Index task · Lower is better

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Fähigkeitsindizes

Misst die Leistung von Modellen bei bestimmten Fähigkeiten und in bestimmten Branchen

Artificial Analysis Finance & Accounting Index

Incorporates 7 evaluations: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1, GDP.pdf · Higher is better

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

MMMU-Pro

Visual reasoning

MLCR-AA

Medical long context reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase v1.1 is an agentic knowledge work benchmark developed by Artificial Analysis. AA-Briefcase Elo is a combined metric that aggregates rubric pass rate, analytical quality Elo and presentation Elo · Higher is better

AA-Briefcase Elo is a combined metric that aggregates analytical quality Elo, presentation Elo, and rubric pass rate, with rubric performance converted into Elo via synthetic head-to-head matches. Elo and 95% confidence interval bounds are clamped at 0.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Tokenverbrauch

Output Tokens per Intelligence Index Task

Weighted average number of output tokens used to run one task in the Artificial Analysis Intelligence Index

The number of tokens required per Intelligence Index task. This is calculated by multiplying the output tokens per eval by the relative weights of each benchmark in the Intelligence Index, then dividing by task count (excluding repeats).

Kosten

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Pricing: Cache Hit, Input, and Output

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Kontextfenster

Context Window

Context window: tokens limit · Higher is better

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Häufig gestellte Fragen

Häufige Fragen zu Mistral Medium 3.1

Mistral Medium 3.1 wurde am 12. August 2025 veröffentlicht.

Mistral Medium 3.1 wurde von Mistral entwickelt.

Mistral Medium 3.1 erzielt im Artificial Analysis Intelligence Index einen Wert von 9 und liegt damit im Vergleich zu anderen Modellen ohne Reasoning einer ähnlichen Preisklasse über dem Durchschnitt (Median: 7).

Bei der Evaluation des Intelligence Index erzeugte Mistral Medium 3.1 18M Ausgabetokens. Dies ist etwas höher als der Durchschnitt im Vergleich zu anderen Modellen ohne Reasoning einer ähnlichen Preisklasse (Median: 12M).

Nein, Mistral Medium 3.1 ist kein Reasoning-Modell. Es antwortet direkt, ohne längeres Chain-of-Thought-Reasoning.

Mistral Medium 3.1 unterstützt Text und Bilder als Eingabe.

Mistral Medium 3.1 unterstützt Text als Ausgabe.

Ja, Mistral Medium 3.1 unterstützt Bildeingaben und kann Bilder analysieren, beschreiben und Fragen dazu beantworten.

Ja, Mistral Medium 3.1 ist multimodal. Es kann Text und Bilder als Eingabe verarbeiten und Text als Ausgabe erzeugen.

Mistral Medium 3.1 hat ein Kontextfenster von 130k Tokens. Es bestimmt, wie viel Text und Gesprächsverlauf das Modell in einer einzelnen Anfrage verarbeiten kann.

Nein, Mistral Medium 3.1 ist proprietär. Die Modellgewichte sind nicht öffentlich verfügbar.

Mistral Medium 3.1 ist ein proprietäres Modell und Mistral hat weder die Modellgröße noch die Parameterzahl offengelegt.

Mistral Medium 3.1 erzielt im Artificial Analysis Intelligence Index einen Wert von 9. Dieser zusammengesetzte Benchmark bewertet Modelle in den Bereichen Schlussfolgern, Wissen, Mathematik und Programmierung.

Die aktuelle API-Verfügbarkeit finden Sie auf der Anbieterseite. Anbieter anzeigen

Die Verfügbarkeit finden Sie auf der Anbieterseite. Anbieter vergleichen

Mistral Medium 3.1: Analyse von Intelligenz, Leistung und Preis

Modellübersicht

IntelligenzUpdated

Geschwindigkeit

Zusammenfassung des Vergleichs

Technische Spezifikationen

299 Modelle in dieser Klasse

Geschwindigkeit

IntelligenzUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Briefcase v1.1Updated

AA-Briefcase Elo

AA-Briefcase Elo

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Vergleiche des Intelligence Index

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Tokenverbrauch

Output Tokens per Intelligence Index Task

Output Tokens per Intelligence Index Task

Kosten

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

Kontextfenster

Context Window

Context Window for RAG

Context Window

Häufig gestellte Fragen

Wann wurde Mistral Medium 3.1 veröffentlicht?

Wer hat Mistral Medium 3.1 entwickelt?

Wie intelligent ist Mistral Medium 3.1?

Wie ausführlich antwortet Mistral Medium 3.1?

Ist Mistral Medium 3.1 ein Reasoning-Modell?

Welche Eingabemodalitäten unterstützt Mistral Medium 3.1?

Welche Ausgabemodalitäten unterstützt Mistral Medium 3.1?

Kann Mistral Medium 3.1 Bilder verarbeiten?

Ist Mistral Medium 3.1 multimodal?

Wie groß ist das Kontextfenster von Mistral Medium 3.1?

Hat Mistral Medium 3.1 offene Gewichte?

Wie viele Parameter hat Mistral Medium 3.1?

Wie schneidet Mistral Medium 3.1 in Benchmarks ab?

Ist Mistral Medium 3.1 über eine API verfügbar?

Wo kann ich Mistral Medium 3.1 verwenden?