Mistral: Mistral Medium 3.5

Mistral Medium 3.5 è un modello dense da 128B per l'instruction-following di Mistral AI. Si colloca nel tier medio del provider, sopra i modelli più piccoli e sotto i più grandi, ed è costruito per il lavoro testuale generale anziché per un singolo compito ristretto. Il modello è stato rilasciato dal provider il 2026-04-30. Su api14 è elencato con il model id mistralai/mistral-medium-3-5 e rientra nella categoria text.

Il modello accetta input di testo, immagini e file, e produce solo output testuale. La sua context window è di 262144 token, e la lunghezza massima di output è di 209715 token, quindi input lunghi e generazioni lunghe sono entrambi possibili nella stessa richiesta. Poiché immagini e file possono essere passati insieme al testo, il modello può lavorare su materiale misto come documenti con figure incorporate o screenshot abbinati a istruzioni. Il provider lo descrive come progettato per workflow agentici, coding e compiti complessi, il che corrisponde alla combinazione di un contesto ampio, input multimodale e un ampio budget di output.

Queste capacità indicano alcuni usi pratici. I workflow agentici sono un adattamento naturale: il modello può mantenere una conversazione o uno stato di attività di lunga durata, chiamare strumenti e ragionare attraverso molti passaggi prima di produrre una risposta finale. Il coding è un altro, che si tratti di generare codice, spiegare un file esistente o elaborare un estratto di repository fornito come input file. Anche i compiti complessi sui documenti derivano dalle modalità di input e dalla dimensione del contesto, per esempio riassumere un report lungo, estrarre dati strutturati da una pagina scansionata o rispondere a domande su un insieme di file caricati. I parametri di reasoning offrono un modo per scambiare latenza con una risoluzione più ponderata dei problemi su prompt più difficili.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando il model id mistralai/mistral-medium-3-5. Le richieste seguono la forma familiare delle chat completions, quindi le librerie client OpenAI esistenti funzionano con il solo cambio di base URL e chiave. I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. In pratica questo copre i controlli di campionamento, le esecuzioni deterministiche tramite seed, le condizioni di arresto, l'output strutturato o in stile JSON tramite response_format e structured_outputs, e l'uso di strumenti tramite tools e tool_choice. I parametri reasoning e include_reasoning, insieme a reasoning_effort, ti permettono di controllare quanto ragionamento interno esegue il modello e se quel ragionamento viene restituito.

Non c'è alcuna limitazione dichiarata oltre al fatto che l'output è solo testuale, quindi se hai bisogno di output di immagini o audio questo modello non è la scelta giusta. Se il tuo carico di lavoro è piccolo e sensibile alla latenza, un modello più leggero della stessa famiglia può essere più adatto, mentre Mistral Medium 3.5 si presta a compiti che richiedono l'intera context window, input multimodale o comportamento agentico guidato da strumenti.