Mistral Medium 3
MODEL PROFILE模型资料Mistral · 2025-05-07 发布 · mistral-medium 家族 · 11 家平台收录
资料长期未更新
返回厂商
Mistral Medium 3 是 Mistral 于 2025 年 5 月发布的闭源中端通用模型，支持文本与图像输入、131072 tokens 上下文，主打可承受的批量调用价格，适合把文档理解与结构化生成接入生产流程的团队。
模型介绍
Mistral Medium 3 属于 mistral-medium 系列，权重不对外开放，只能通过官方接口或第三方托管平台调用。它要解决的是中间档需求：既要能读长文档、看图片、调工具，又不希望按旗舰模型的价格计费。131072 tokens 的上下文窗口与同样 131072 tokens 的单次最大输出，使它能够一次处理整份合同、报表或技术手册，而不必先做切片拼接。输入侧接受文本与图像，输出侧仅生成文本，配合工具调用、结构化输出、附件输入与温度调节，可以嵌入检索问答、字段抽取、格式转换等流程。知识截止标注为 2025-05，与其发布节奏基本同步。同厂还有上下文更长、价格相同或更低的 Medium 3.1，以及更贵的 Medium 3.5、Medium (latest) 与 Large 2；Mistral Medium 3 的位置更接近“够用且便宜”的一档，选型时应把上下文长度和缓存读取成本一起纳入比较，而不是只看输入单价。
选型建议需要长上下文、图像输入与工具调用又要压住单价时选它；追求更强推理或更长上下文则应改看同厂其他档位。
关键指标
适用场景
- 把整份合同或技术手册一次性送入，做条款抽取与要点归纳
- 对扫描件截图配合文字提问，完成票据、报表的字段读取
- 通过工具调用连接内部数据库，生成结构化结果供系统直接消费
- 为客服或内部知识库搭建检索问答，控制单次调用成本
- 批量做文本格式转换、改写与摘要，利用缓存降低重复前缀开销
暂无：许可证、参数规模、缓存写价、推理（上游未公开，本站不估算）。 资料已 553 天没更新，规格与价格可能已变；发布 553 天。
规格与能力
上面没列到的字段官方没有公开参数量、层数与训练数据规模，也并未开放权重，因此只能从接口能力和上下文规格反推其设计取向。
- 结构不提供权重下载，仅通过 API 或托管平台调用，模型内部配置未披露，架构层面的公开资料较少。
- 能力上下文窗口 131072 tokens，单次最大输出同为 131072 tokens，配合文本与图像输入，可整篇长文档一次送入。
- 接口支持工具调用、结构化输出、附件输入与温度调节，便于把模型输出直接接入既有系统的解析流程。
- 开源权重
- 否
- 模型家族
- mistral-medium
能力
工具调用结构化输出附件温度调节
同系列其他规格
| 型号 | 厂商 | 参数 | 上下文 | 输入价 | 输出价 |
|---|---|---|---|---|---|
| Mistral Medium 3 | Mistral | — | 131.1K | $0.4/M | $2/M |
| Mistral Medium 3 | Mistral | — | 131.1K | $0.4/M | $2/M |
| Mistral Medium 3 (EU) | Eden AI | — | 131.1K | $0.44/M | $2.2/M |
性能表现
Artificial Analysis 口径给出三项分数，可作为横向参照，但覆盖维度有限，不足以代表全部任务表现。
- 强项GPQA 57.8%、LCR 31.3%，在研究生级知识与长上下文检索类任务上有基础，适合文档问答与资料归纳。
- 短板HLE 4.1%，在超高难度综合推理题上得分很低，多步复杂推理不宜作为主力场景。
- 适合结合工具调用与结构化输出，更适配取数、抽取、格式化生成等可校验的业务环节，而非开放式难题求解。
- 复验三项跑分未覆盖代码、多语言与多轮对话，正式选型前建议用自有测试集复核。
跑分与榜单
第三方评测口径这些跑分分别测什么？（2 项口径说明）
| 基准 | 类别 | 说明 | 满分口径 | 前沿水平 | 状态 | 污染风险 |
|---|---|---|---|---|---|---|
| GPQA Diamond基准主页 | 知识 | Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions. | 0-100% accuracy | 96.3% (Artificial Analysis run) | 已饱和 | 低 |
| Humanity's Last Exam基准主页 | 知识 | Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing. | 0-100% accuracy | 61.4% no tools (Artificial Analysis run; previous best 59.1%, Claude Fable 5.1) | 仍在维护 | 低 |
说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。
跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。
价格与性价比
结合各平台报价与同类对比官方价为输入 0.4 美元/百万 tokens、输出 2.0 美元/百万 tokens、缓存读 0.04 美元/百万 tokens，在同厂中处于中低档位。
- 定位输入价与 Mistral Medium 3.1 完全持平，但上下文只有后者的一半，长文档为主的场景需重新权衡。
- 横向对比比 Medium 3.5 与 Medium (latest) 低约 275%，比 Large 2 低 400%，比 Ministral 3B 高 75%，卡在中端与轻量之间。
- 平台差价多数平台按官方价 0.4/2 美元报价，aimlapi 上浮约 5.8%；Nano-GPT 缓存读 0.2 美元，明显高于官方价。
- 省钱缓存读仅为输入价的十分之一，长系统提示与固定前缀可反复命中缓存，选平台时优先比对缓存读单价。
平台报价对比
6 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| Nano-GPT | $0.4/M | $2/M | $0.2/M | 0.0% |
| models.dev | $0.4/M | $2/M | — | 0.0% |
| models.dev · edenai 另有 4 家同价 | $0.4/M | $2/M | $0.04/M | 0.0% |
| models.dev · mistral 另有 3 家同价 | $0.4/M | $2/M | — | 0.0% |
| models.dev · aimlapi | $0.4232/M | $2.116/M | $0.0423/M | +5.8% |
| OpenRouter | — | — | $0.04/M | 基准 |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.4/M / $2/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Mistral Medium 3 | 131.1K | $0.4/M | $2/M | 0.0% | 132.8 |
| Mistral Medium 3 | 131.1K | $0.4/M | $2/M | 0.0% | — |
| Mistral Medium 3.5 | 262.1K | $1.5/M | $7.5/M | +275.0% | 141.6 |
| Mistral Medium (latest) | 262.1K | $1.5/M | $7.5/M | +275.0% | — |
| Mistral Medium 3.1 | 262.1K | $0.4/M | $2/M | 0.0% | — |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
关于 Mistral Medium 3 的常见问题
5 条Mistral Medium 3 的 API 价格是多少？
当前收录的官方口径价格为输入 $0.4/M、输出 $2/M、缓存读 $0.04/M，单位为美元 / 百万 tokens。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
Mistral Medium 3 支持多长的上下文？
资料显示上下文窗口 131.1K（131,072 tokens），单次最大输出 131.1K。实际可用长度还取决于调用平台的限制。
Mistral Medium 3 是开源模型吗？
Mistral Medium 3 为闭源模型，只能通过官方 API 或官方授权的平台调用，无法自行下载权重。
Mistral Medium 3 支持哪些能力？
按当前资料，Mistral Medium 3 支持工具调用、结构化输出、附件、温度调节。输入输出模态为 文本+图片 → 文本。
Mistral Medium 3 可以在哪些平台调用？
当前资料显示该模型被 11 家 provider 或网关收录。本站核对的数据来源包括 models.dev、OpenRouter、Nano-GPT、HowToken。收录数量只反映公开目录的部署面，不代表任何一家平台的服务质量。
使用注意
- 口径三项分数来自 Artificial Analysis 的单项评测，样本与设置不由本站控制，不能等同于真实业务效果。
- 边界权重不开源，参数量与训练细节未披露；知识截止 2025-05，此后的信息不在覆盖范围内。
- 边界图像只作输入，输出仅限文本，需要生成图片或音频的任务不适用。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
