CONFIRMÉCertitude de la date: CONFIRMÉAnnoncé comme fermeAvec quelle fermeté la source formule la date : confirmée, programmée, estimée, reportée ou non vérifiée.Voir toutes les épingles CONFIRMÉCONFIANCE 82 %Confiance globale: 82%Dans quelle mesure la source et les références du pin étayent ses dates.Moyenne pondérée de la fermeté avec laquelle 7 références, source comprise, étayent les heures de début et de fin de l’épingle ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récenteAfficher toutes les épingles à 75 % de confiance ou plus
Les poids de Mistral[1][7]-Medium-3.5-128B apparaissent sur Hugging Face[4] pour la première fois le 29 avril 2026 et l'article de creativeainews[5] du 29 avril indique 'On April 29, 2026, Mistral released Medium 3.5' ; le journal des modifications de la documentation de Mistral date l'entrée de l'API un jour plus tôt (28 avril) et sa page d'annonce porte un horodatage ultérieur du 22 mai, de sorte que le 29 avril est le jour du lancement public.- Début
- 29 avr. 2026CONFIANCE 92 %selon creativeainews.com
Mistral Medium 3.5 est sorti
Traduit automatiquement de l’original
Titre original: Mistral Medium 3.5 Released
Mistral AI lance Mistral Medium 3.5, son premier modèle phare fusionné : un modèle dense à poids ouverts de 128B avec une fenêtre de contexte de 256K qui obtient 77.6% sur SWE-Bench Verified et coûte $1.50 par million de tokens d'entrée et $7.50 par million de tokens de sortie.
- Mistral AI a publié Mistral Medium 3.5 le 29 avril 2026, en l'annonçant avec des agents de codage dans le cloud dans Vibe et un mode Work dans Le Chat ; elle le décrit comme son premier modèle phare fusionné, un seul réseau dense de 128B paramètres qui assure le suivi d'instructions, le raisonnement et le code là où Mistral publiait auparavant des modèles distincts[1][2][4][5]
- Il remplace Medium 3.1 et Magistral dans Le Chat et Devstral 2 dans Vibe CLI, et ses poids sont ouverts sur Hugging Face sous une licence MIT modifiée qui exclut les entreprises à fort chiffre d'affaires ; Mistral affirme qu'il peut être auto-hébergé sur seulement quatre GPU[1][4]
- Le graphique de Mistral lui attribue 77.6 sur SWE-Bench Verified, devant Claude Sonnet 4.5 (77.2), Kimi K2.5 (76.8) et Qwen3.5 397B (76.4) mais derrière Claude Sonnet 4.6 (79.6) et GLM-5.1 (80.2), et 91.4 sur tau3 Telecom contre 84.9 pour Sonnet 4.5 et 98.7 pour GLM-5.1 ; le chiffre SWE-Bench est auto-déclaré[1][4]
- Le tableau est contrasté en dehors du code et des télécoms : sur tau3 Banking il obtient 13.4 contre 28.4 pour Sonnet 4.6, et sur BrowseComp 48.6 contre 79.3 pour GLM-5.1 et 78.6 pour Qwen3.5, lors d'une exécution de Mistral qui utilisait une gestion du contexte avec une stratégie de rejet total à 100k tokens[1]
- La tarification de l'API est de $1.50 par million de jetons en entrée et de $7.50 par million de jetons en sortie ; le modèle est aussi hébergé sur build.nvidia.com de NVIDIA et proposé sous forme de conteneur NVIDIA NIM, et il est arrivé sur Microsoft Foundry et Copilot Studio en juillet 2026[1][2][7]
- Les premières réactions étaient partagées entre des éloges pour un net progrès par rapport à Devstral 2 et des plaintes sur un prix élevé pour sa taille[3]
Principales fonctionnalités
- Contexte de 256k jetons, entrée texte et image, et un encodeur de vision entraîné de zéro pour des tailles d'image et des proportions variables[1][4]
- L'effort de raisonnement se choisit par requête ('none' ou 'high'), si bien qu'un seul jeu de poids sert aussi bien les réponses rapides en chat que les longues exécutions agentiques ; 24 langues, appel de fonctions natif et sortie JSON[4]
- Les agents distants de Vibe exécutent des sessions de codage de façon asynchrone dans des bacs à sable cloud isolés, en parallèle, peuvent être repris depuis une session CLI locale et peuvent ouvrir des pull requests GitHub ; le mode Work (préversion) de Le Chat accomplit des tâches en plusieurs étapes à travers des outils connectés, avec approbation avant les actions sensibles[1][3]
- Dans le graphique de Mistral sur les mathématiques et le suivi d'instructions, il obtient 86.3 sur AIME25 (avg@16), 69.0 sur Allenai IFBench et 95.8 sur Collie, ce dernier devant tous les autres modèles du graphique[1]
- Il est servi avec vLLM (recommandé), SGLang (avec des tags Docker dès le premier jour), llama.cpp, Ollama et Transformers, avec un modèle EAGLE compagnon pour une inférence plus rapide[4]