DISAHKANKeyakinan tarikh: DISAHKANDinyatakan sebagai tetapSejauh mana sumber menyatakan tarikh itu: disahkan, dijadualkan, dianggarkan, ditangguhkan atau belum disahkan.Tunjuk semua pin DISAHKAN82% KEYAKINANKeyakinan keseluruhan: 82%Sejauh mana sumber dan rujukan pin menyokong tarikhnya.Purata berpemberat bagi sejauh mana 7 rujukan, termasuk sumber, menyokong masa mula dan tamat pin; sesebuah rujukan diambil kira separuh kurang bagi setiap 180 hari lebih lama daripada yang terbaharuTunjuk semua pin pada keyakinan 75% atau lebih baik
Pemberat Hugging Face[4] bagi Mistral[1][7]-Medium-3.5-128B mula muncul pada 29 April 2026 dan laporan creativeainews[5] pada 29 April menyatakan 'On April 29, 2026, Mistral released Medium 3.5'; log perubahan dokumentasi Mistral menarikhkan entri API sehari lebih awal (28 April) dan halaman pengumumannya membawa cap yang lebih lewat iaitu 22 Mei, maka 29 April ialah hari pelancaran awam.- Mula
- 29 Apr 202692% KEYAKINANdaripada creativeainews.com
Mistral Medium 3.5 dilancarkan
Diterjemah secara automatik daripada asal
Tajuk asal: Mistral Medium 3.5 Released
Mistral AI melancarkan Mistral Medium 3.5, model perdana bercantum pertamanya: model padat berat terbuka 128B dengan tetingkap konteks 256K yang mencatat 77.6% pada SWE-Bench Verified dan berharga $1.50 setiap sejuta token input dan $7.50 setiap sejuta token output.
- Mistral AI melancarkan Mistral Medium 3.5 pada 29 April 2026, mengumumkannya bersama ejen pengekodan awan dalam Vibe dan mod Work dalam Le Chat; ia menggambarkannya sebagai model perdana bercantum pertamanya, satu rangkaian padat 128B parameter yang melakukan pengikutan arahan, penaakulan dan pengekodan di mana sebelum ini Mistral mengeluarkan model berasingan[1][2][4][5]
- Ia menggantikan Medium 3.1 dan Magistral dalam Le Chat serta Devstral 2 dalam Vibe CLI, dan pemberat terbuka di Hugging Face di bawah lesen MIT yang diubah suai yang mengecualikan syarikat berpendapatan besar; Mistral berkata ia boleh dihoskan sendiri pada serendah empat GPU[1][4]
- Carta Mistral sendiri meletakkannya pada 77.6 dalam SWE-Bench Verified, mendahului Claude Sonnet 4.5 (77.2), Kimi K2.5 (76.8) dan Qwen3.5 397B (76.4) tetapi di belakang Claude Sonnet 4.6 (79.6) dan GLM-5.1 (80.2), serta 91.4 dalam tau3 Telecom berbanding 84.9 bagi Sonnet 4.5 dan 98.7 bagi GLM-5.1; angka SWE-Bench ini dilaporkan sendiri[1][4]
- Gambarannya bercampur di luar pengekodan dan telekomunikasi: dalam tau3 Banking ia mencatat 13.4 berbanding 28.4 bagi Sonnet 4.6, dan dalam BrowseComp 48.6 berbanding 79.3 bagi GLM-5.1 dan 78.6 bagi Qwen3.5, dalam satu larian Mistral yang menggunakan pengurusan konteks dengan strategi buang semua pada 100k token[1]
- Harga API ialah $1.50 setiap sejuta token input dan $7.50 setiap sejuta token output; model ini turut dihoskan di build.nvidia.com milik NVIDIA dan ditawarkan sebagai kontena NVIDIA NIM, serta tiba di Microsoft Foundry dan Copilot Studio pada Julai 2026[1][2][7]
- Reaksi awal berbelah bahagi antara pujian sebagai kemajuan yang jelas berbanding Devstral 2 dan rungutan bahawa harganya tinggi untuk saiznya[3]
Ciri-ciri utama
- Konteks 256k token, input teks dan imej, serta pengekod penglihatan yang dilatih dari awal untuk saiz imej dan nisbah aspek yang berbeza-beza[1][4]
- Usaha penaakulan dipilih bagi setiap permintaan ('none' atau 'high'), jadi satu set pemberat boleh melayani balasan sembang pantas dan larian agentik yang panjang; 24 bahasa, pemanggilan fungsi asli dan output JSON[4]
- Ejen jauh dalam Vibe menjalankan sesi pengekodan secara tak segerak dalam kotak pasir awan terpencil, secara selari, boleh dipindahkan daripada sesi CLI tempatan dan boleh membuka pull request GitHub; mod Work (pratonton) dalam Le Chat melakukan tugas berbilang langkah merentas alat yang disambungkan dengan kelulusan sebelum tindakan sensitif[1][3]
- Dalam carta matematik dan pematuhan arahan Mistral, ia mencatat 86.3 dalam AIME25 (avg@16), 69.0 dalam Allenai IFBench dan 95.8 dalam Collie, yang terakhir mendahului setiap model lain dalam carta[1]
- Ia dihidangkan dengan vLLM (disyorkan), SGLang (dengan teg Docker sejak hari pertama), llama.cpp, Ollama dan Transformers, bersama model EAGLE pendamping untuk inferens yang lebih pantas[4]