Mistral: Mistral Medium 3.5 mot OpenAI: o3
En jämförelse sida vid sida av Mistral: Mistral Medium 3.5 (5,25 US$ / 1M textdelar (≈ 51,43 kr)) och OpenAI: o3 (7,00 US$ / 1M textdelar (≈ 68,57 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Mistral: Mistral Medium 3.5 | OpenAI: o3 | |
|---|---|---|
| Leverantör | Mistral | OpenAI |
| Indata | 5,25 US$ / 1M textdelar (≈ 51,43 kr) | 7,00 US$ / 1M textdelar (≈ 68,57 kr) |
| Utdata | 26,25 US$ / 1M textdelar (≈ 257,16 kr) | 28,00 US$ / 1M textdelar (≈ 274,30 kr) |
| Cacheläsning | - | 1,75 US$ / 1M textdelar (≈ 17,14 kr) |
| Webbsökning | - | 35,00 US$ / 1K sökningar (≈ 342,87 kr) |
| Kontextfönster | 262 144 | 200 000 |
| Max utdata | 209 715 | 100 000 |
| Indata | text, image, file | image, text, file |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 30 apr. 2026 | 16 apr. 2025 |
Viktiga skillnader
- Mistral: Mistral Medium 3.5 är 25% billigare på indata-tokens.
- Mistral: Mistral Medium 3.5 är 6% billigare på utdata-tokens.
- Mistral: Mistral Medium 3.5 läser 1.3× mer kontext (262 144 tokens).
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,02 US$ med Mistral: Mistral Medium 3.5 och 0,02 US$ med OpenAI: o3.
Mer i detalj
Mistral: Mistral Medium 3.5 tillverkas av Mistral, och OpenAI: o3 tillverkas av OpenAI. Båda är textmodeller, vilket innebär att svaret du får tillbaka är text, och båda tillhandahålls via api14 som en del av samma katalog. De två skiljer sig åt i när de dök upp: o3 har ett leverantörsutgivningsdatum på 2025-04-16, medan Mistral Medium 3.5 har ett leverantörsutgivningsdatum på 2026-04-30. Det är hela inramningen du behöver innan du tittar på vad var och en accepterar och hur mycket utrymme den ger dig.
När det gäller kapacitet är de två närmare varandra än de ser ut. Båda accepterar text, bild och filinmatning, och båda returnerar endast text, så ingen av dem är en ljud- eller videomodell. Kontextfönstren är där de skiljer sig: Mistral Medium 3.5 erbjuder 262144 tokens, och o3 erbjuder 200000 tokens, så Mistral Medium 3.5 ger dig det större fönstret. När det gäller parametrar stöder Mistral Medium 3.5 frequency_penalty, presence_penalty, temperature, top_p, stop, seed, max_tokens, response_format, structured_outputs, tools, tool_choice, reasoning, reasoning_effort och include_reasoning. o3 stöder en snävare uppsättning: max_tokens, response_format, structured_outputs, tools, tool_choice, seed, reasoning och include_reasoning. Noterbart är att o3 inte listar temperature, top_p, frequency_penalty eller presence_penalty, och den listar inte reasoning_effort, så om din kod justerar sampling eller anger en nivå för reasoning effort är Mistral Medium 3.5 den som accepterar dessa fält. Ingen av modellerna är flaggad som ensam ägare av tools, structured outputs eller reasoning, så betrakta dessa som gemensam mark snarare än en särskiljande faktor.
För att välja mellan dem, börja med hur jobbet ser ut. Om du matar in långa dokument, stora kodbaser eller kontext över flera filer och du vill ha det extra utrymmet är Mistral Medium 3.5 det naturliga standardvalet eftersom dess fönster är större. Om din prompt-pipeline redan förlitar sig på temperature, top_p eller straffrattar, eller om du vill ställa in reasoning effort explicit, är Mistral Medium 3.5 återigen den säkrare passningen eftersom dessa parametrar stöds. Om din arbetsbelastning är en enkel reasoning- eller tool-calling-uppgift där du inte behöver justera sampling och 200000 tokens är bekvämt tillräckligt, är o3 ett rimligt val och håller din parameter-yta mindre. Kostnad är också en faktor: Mistral Medium 3.5 är den billigare av de två på både input och output, så för högvolymstrafik där det större fönstret inte är strikt nödvändigt kan prisskillnaden ensam avgöra saken.
Att anropa endera modellen via api14 är samma rörelse. API:et är OpenAI-kompatibelt, så du behåller din befintliga klient, din befintliga request body-form och din befintliga auth. Det enda som ändras är model id-strängen: använd "mistralai/mistral-medium-3-5" för att dirigera till Mistral Medium 3.5, eller "openai/o3" för att dirigera till o3. Allt annat, messages-arrayen, tools-arrayen, response_format-objektet, stannar där det är. Om du byter från o3 till Mistral Medium 3.5 och du vill använda temperature eller top_p, lägg till dessa fält samtidigt, eftersom o3 inte skulle ha accepterat dem och din nuvarande payload förmodligen utelämnar dem.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "mistralai/mistral-medium-3-5" till "openai/o3", promptar, streaming och verktyg fortsätter att fungera.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "openai/o3",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4