•

Open weights model

•

Released abril de 2026

Análise de inteligência, desempenho e preço do Mistral Medium 3.5

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

Experimente

Provedores disponíveis

Mistral

Desempenho

Tempo até o primeiro token da resposta final 23.91sVelocidade de saída 147 tok/s

4.5

Tempo por tarefa do Intelligence Index (minutos)

Custo

Entrada $1.50Saída $7.50Desconto do cache 90%

$1.04

Custo por tarefa do Intelligence Index

Verbosidade

Tokens de entrada 2.93BSaída/entrada 1.883%

55.2M

Tokens de saída do Intelligence Index

Mistral Medium 3.5 está acima da média em inteligência, mas tem preço especialmente alto em comparação com outros modelos de pesos abertos de tamanho semelhante. Também é mais rápido que a média por tarefa e bastante conciso. O modelo aceita entrada em texto e imagem, gera saída em texto e tem uma janela de contexto de 256k tokens.

Mistral Medium 3.5 alcança 5 pontos no Artificial Analysis Intelligence Index, ficando acima da média entre os modelos comparáveis (mediana: 4). Na avaliação do Intelligence Index, gerou 55.2M tokens, um resultado bastante conciso em comparação com a mediana de 63.8M.

O preço do Mistral Medium 3.5 é de $1.50 por 1M de tokens de entrada (preço alto, mediana: $0.30) e $7.50 por 1M de tokens de saída (preço alto, mediana: $0.80). Em média, a avaliação do Mistral Medium 3.5 no Intelligence Index custa $1.04 por tarefa.

Com 4.5 minutos por tarefa do Intelligence Index, Mistral Medium 3.5 é mais rápido que a média em comparação com a mediana de 5.3 minutos dos modelos comparáveis (quanto menor, melhor).

Raciocínio	Sim
Modalidade de entrada	Compatível com: texto e imagem
Modalidade de saída	Compatível com: texto
Janela de contexto	256k ~384 páginas A4 em fonte Arial tamanho 12
Parâmetros totais	128B
Licença	Modified MIT License
Pesos do modelo	Hugging Face

As métricas são comparadas com modelos da mesma classe:

Modelos sem raciocínio → comparados apenas com outros modelos sem raciocínio
Modelos de raciocínio → comparados com modelos com e sem raciocínio
Modelos de pesos abertos → comparados apenas com outros modelos de pesos abertos da mesma classe de tamanho:

Muito pequeno: ≤4B parâmetros
Pequeno: 4B–40B parâmetros
Médio: 40B–150B parâmetros
Grande: >150B parâmetros

Modelos proprietários → comparados com modelos proprietários e de pesos abertos da mesma faixa de preço, usando uma proporção combinada de 3:1 entre os preços de entrada e saída:

<$0.15 por 1M de tokens
$0.15–$1 por 1M de tokens
>$1 por 1M de tokens

Inteligência

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Tempo por tarefa

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Custo por tarefa

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

No publicly available API

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

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.

Intelligence Index vs. custo por tarefa

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.

Índices de capacidade

Índices de capacidades

Mede o desempenho dos modelos em capacidades e setores específicos

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Avaliações

Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

Ver mais

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 Accuracy

Knowledge

AA-Omniscience v1.1 Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1

Agentic scientific research workflows in a terminal

FrontierCode-AA 2.0

Agentic software engineering in open-source repositories

HLE-Diamond

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

MLCR-AA

Medical long context reasoning

MMMU-Pro

Visual reasoning

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

Openness Index

Artificial Analysis Openness Index: pontuação

O Openness Index avalia a abertura dos modelos em uma escala normalizada de 0 a 100 (quanto maior, mais aberto)

Custo

Custo por tarefa do Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Custo de executar o 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).

Preços: acertos de cache, entrada e saída

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.

Desempenho

Medido pelo tempo por tarefa (minutos), pela velocidade de saída (tokens por segundo), pelo tempo até o primeiro token da resposta final e pelo tempo até o primeiro token (segundos)

Tempo por tarefa do Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Velocidade de saída

Output tokens divided by total request time, including time to first token · Higher is better

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

Tempo até o primeiro token da resposta final

Segundos até receber o primeiro token da resposta final · Inclui o tempo de “pensamento” dos modelos de raciocínio

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Uso de tokens

Tokens de saída por tarefa do Intelligence Index

Média ponderada de tokens de saída usados para executar uma tarefa do 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).

Janela de contexto

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).

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Mais detalhes

								Pesos
Mistral Medium 3.5	Mistral	5	128B	256k	$1.16	4.5	147	🤗

Mais lançamentos de Mistral

Perguntas frequentes

Perguntas comuns sobre o Mistral Medium 3.5

O Mistral Medium 3.5 foi lançado em 29 de abril de 2026.

Mistral criou o Mistral Medium 3.5.

Mistral Medium 3.5 alcança 5 pontos no Artificial Analysis Intelligence Index, ficando acima da média entre outros modelos de pesos abertos de tamanho semelhante (mediana: 4).

Mistral Medium 3.5 leva 4.5 minutos por tarefa do Intelligence Index (com base na API de Mistral), um resultado entre os mais rápidos em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 5.3 minutos; quanto menor, melhor).

Mistral Medium 3.5 tem um tempo até o primeiro token da resposta final de 23.91s (com base na API de Mistral), um resultado na faixa superior em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 8.59s).

Mistral Medium 3.5 custa $1.50 por 1M de tokens de entrada (na faixa superior, mediana: $0.30) e $7.50 por 1M de tokens de saída (na faixa superior, mediana: $0.80), com base na API de Mistral.

Mistral Medium 3.5 custa $1.50 por 1M de tokens de entrada e $7.50 por 1M de tokens de saída (com base na API de Mistral). Considerando uma tarifa combinada (proporção de 7:2:1 entre acerto do cache, entrada e saída), o preço é de $1.16 por 1M de tokens. O preço pode variar conforme o provedor. Comparar preços dos provedores

Na avaliação do Intelligence Index, Mistral Medium 3.5 gerou 55.2M tokens de saída, um resultado muito competitivo em comparação com outros modelos de pesos abertos de tamanho semelhante (mediana: 63.8M).

Sim, o Mistral Medium 3.5 é um modelo de raciocínio. Ele usa reflexão prolongada ou raciocínio em cadeia para resolver problemas complexos antes de fornecer uma resposta.

Mistral Medium 3.5 aceita entrada em texto e imagem.

Mistral Medium 3.5 permite saída em texto.

Sim, o Mistral Medium 3.5 aceita imagens como entrada e pode analisá-las, descrevê-las e responder a perguntas sobre elas.

Sim, o Mistral Medium 3.5 é multimodal. Ele consegue processar entrada em texto e imagem e gerar saída em texto.

Mistral Medium 3.5 tem uma janela de contexto de 256k tokens. Isso determina quanto texto e histórico da conversa o modelo consegue processar em uma única solicitação.

Sim, o Mistral Medium 3.5 é um modelo de pesos abertos. Os pesos estão disponíveis publicamente e podem ser baixados para auto-hospedagem.

Mistral Medium 3.5 tem 128B parâmetros.

Mistral Medium 3.5 foi lançado sob a licença Modified MIT License. O uso comercial é permitido com restrições. Ver licença

Mistral Medium 3.5 alcança 5 pontos no Artificial Analysis Intelligence Index. Esse benchmark composto avalia os modelos em trabalho do conhecimento, programação, ciência e conhecimento geral.

Sim, o Mistral Medium 3.5 está disponível por API em 1 provedor. Comparar provedores de API

Mistral Medium 3.5 está disponível em 1 provedor de API. Comparar provedores

Análise de inteligência, desempenho e preço do Mistral Medium 3.5

Resumo do modelo

Especificações técnicas

67 modelos nesta classe

Inteligência

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abertos vs. proprietários

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. custo por tarefa

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Índices de capacidades

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: pontuação

Custo

Custo por tarefa do Intelligence Index

Cost per Intelligence Index Task

Custo de executar o Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Preços: acertos de cache, entrada e saída

Cache Hit

Desempenho

Tempo por tarefa do Intelligence Index

Time per Intelligence Index Task

Time Period

Velocidade de saída

End-to-End Output Speed

Tempo até o primeiro token da resposta final

Time to First Answer Token

Uso de tokens

Tokens de saída por tarefa do Intelligence Index

Output Tokens per Intelligence Index Task

Janela de contexto

Janela de contexto

Context Window for RAG

Context Window

Tamanho do modelo (somente modelos de pesos abertos)

Tamanho do modelo: parâmetros totais e ativos

Total Parameters

Active Parameters at Inference Time

Mais detalhes

Mais lançamentos de Mistral

Perguntas frequentes

Quando o Mistral Medium 3.5 foi lançado?

Quem criou o Mistral Medium 3.5?

Qual é a inteligência do Mistral Medium 3.5?

Qual é a velocidade do Mistral Medium 3.5?

Qual é a latência do Mistral Medium 3.5?

Quanto custa o Mistral Medium 3.5?

Qual é o preço da API do Mistral Medium 3.5?

Qual é a verbosidade do Mistral Medium 3.5?

O Mistral Medium 3.5 é um modelo de raciocínio?

Quais modalidades de entrada o Mistral Medium 3.5 aceita?

Quais modalidades de saída o Mistral Medium 3.5 aceita?

O Mistral Medium 3.5 consegue processar imagens?

O Mistral Medium 3.5 é multimodal?

Qual é a janela de contexto do Mistral Medium 3.5?

O Mistral Medium 3.5 é de código aberto?

Quantos parâmetros o Mistral Medium 3.5 tem?

Qual é a licença do Mistral Medium 3.5?

Qual é o desempenho do Mistral Medium 3.5 nos benchmarks?

O Mistral Medium 3.5 está disponível por API?

Onde posso usar o Mistral Medium 3.5?