ПОДТВЕРЖДЕНОДостоверность даты: ПОДТВЕРЖДЕНОУказано как окончательноеНасколько твёрдо источник называет дату: подтверждена, запланирована, примерная, перенесена или не проверена.Показать все пины «ПОДТВЕРЖДЕНО»ДОСТОВЕРНОСТЬ 82%Общая достоверность: 82%Насколько источник и ссылки пина подтверждают его даты.Взвешенное среднее того, насколько 7 источников, включая основной, подтверждают время начала и окончания пина; вес источника уменьшается вдвое за каждые 180 дней разницы с самым новымПоказать все пины с достоверностью 75% и выше
Веса Mistral[1][7]-Medium-3.5-128B на Hugging Face[4] впервые появились 29 апреля 2026 года, а в материале creativeainews[5] от 29 апреля сказано 'On April 29, 2026, Mistral released Medium 3.5'; в журнале изменений документации Mistral запись об API датирована днём раньше (28 апреля), а на странице анонса стоит более поздняя отметка 22 мая, поэтому 29 апреля считается днём публичного запуска.- Начало
- 29 апр. 2026 г.ДОСТОВЕРНОСТЬ 92%от creativeainews.com
Вышла Mistral Medium 3.5
Автоматический перевод оригинала
Оригинальное название: Mistral Medium 3.5 Released
Mistral AI выпустила Mistral Medium 3.5 — свою первую объединённую флагманскую модель: плотную модель с открытыми весами на 128B с контекстным окном в 256K, которая набирает 77.6% на SWE-Bench Verified и стоит $1.50 за миллион входных токенов и $7.50 за миллион выходных токенов.
- Mistral AI выпустила Mistral Medium 3.5 29 апреля 2026 года, анонсировав его вместе с облачными агентами для программирования в Vibe и режимом Work в Le Chat; компания описывает его как свою первую объединённую флагманскую модель — единую плотную сеть на 128B параметров, которая выполняет следование инструкциям, рассуждения и программирование там, где раньше Mistral выпускала отдельные модели[1][2][4][5]
- Он заменяет Medium 3.1 и Magistral в Le Chat и Devstral 2 в Vibe CLI, а веса открыты на Hugging Face по модифицированной лицензии MIT, которая исключает компании с крупной выручкой; Mistral утверждает, что модель можно развернуть самостоятельно всего на четырёх GPU[1][4]
- По собственной диаграмме Mistral, модель набирает 77.6 на SWE-Bench Verified, опережая Claude Sonnet 4.5 (77.2), Kimi K2.5 (76.8) и Qwen3.5 397B (76.4), но уступая Claude Sonnet 4.6 (79.6) и GLM-5.1 (80.2), и 91.4 на tau3 Telecom против 84.9 у Sonnet 4.5 и 98.7 у GLM-5.1; результат SWE-Bench заявлен самой компанией[1][4]
- За пределами программирования и телекоммуникаций картина неоднородна: на tau3 Banking модель набирает 13.4 против 28.4 у Sonnet 4.6, а на BrowseComp 48.6 против 79.3 у GLM-5.1 и 78.6 у Qwen3.5; это запуск Mistral с управлением контекстом по стратегии полного сброса на 100k токенов[1]
- Цена API составляет $1.50 за миллион входных токенов и $7.50 за миллион выходных токенов; модель также размещена на build.nvidia.com от NVIDIA и предлагается в виде контейнера NVIDIA NIM, а в июле 2026 года появилась в Microsoft Foundry и Copilot Studio[1][2][7]
- Первая реакция разделилась: одни хвалили явный шаг вперёд по сравнению с Devstral 2, другие жаловались, что цена высока для такого размера[3]
Ключевые возможности
- Контекст 256k токенов, ввод текста и изображений и визуальный энкодер, обученный с нуля для изображений переменного размера и соотношения сторон[1][4]
- Уровень рассуждения выбирается для каждого запроса ('none' или 'high'), поэтому один набор весов подходит и для быстрых ответов в чате, и для долгих агентных запусков; 24 языка, нативный вызов функций и вывод в JSON[4]
- Удалённые агенты в Vibe запускают сессии программирования асинхронно в изолированных облачных песочницах, параллельно, могут быть перенесены из локальной сессии CLI и способны открывать pull request на GitHub; режим Work (предварительная версия) в Le Chat выполняет многоэтапные задачи в подключённых инструментах с подтверждением перед чувствительными действиями[1][3]
- На диаграмме Mistral по математике и следованию инструкциям модель набирает 86.3 на AIME25 (avg@16), 69.0 на Allenai IFBench и 95.8 на Collie, причём последний результат выше, чем у всех остальных моделей на диаграмме[1]
- Модель можно запускать через vLLM (рекомендуется), SGLang (с Docker-тегами с первого дня), llama.cpp, Ollama и Transformers; для ускорения вывода предусмотрена дополнительная модель EAGLE[4]