Mistral: Mistral Medium 3.5

Mistral Medium 3.5 är en dense 128B instruktionsföljande modell från Mistral AI. Den ligger i leverantörens medelnivå, över de mindre modellerna och under de största, och den är byggd för allmänt textarbete snarare än en enda smal uppgift. Modellen släpptes av leverantören 2026-04-30. På api14 listas den under modell-id mistralai/mistral-medium-3-5 och faller i kategorin text.

Modellen tar emot text, bild och fil som indata, och den producerar endast text som utdata. Dess kontextfönster är 262144 tokens, och den maximala utdatalängden är 209715 tokens, så både långa indata och långa genereringar är möjliga inom samma förfrågan. Eftersom bilder och filer kan skickas in tillsammans med text kan modellen arbeta över blandat material, till exempel dokument med inbäddade figurer eller skärmbilder parade med instruktioner. Leverantören beskriver den som designad för agentiska arbetsflöden, kodning och komplexa uppgifter, vilket matchar kombinationen av en stor kontext, multimodala indata och en stor utdatabudget.

Dessa förmågor pekar mot några praktiska användningar. Agentiska arbetsflöden passar naturligt: modellen kan hålla en långvarig konversation eller uppgiftstillstånd, anropa verktyg och resonera över många steg innan den producerar ett slutligt svar. Kodning är en annan, vare sig det innebär att generera kod, förklara en befintlig fil eller arbeta igenom ett utdrag ur ett kodförråd som skickats in som filindata. Komplexa dokumentuppgifter följer också av indatamodaliteterna och kontextstorleken, till exempel att sammanfatta en lång rapport, extrahera strukturerad data från en skannad sida eller svara på frågor om en uppsättning uppladdade filer. Resonemangsparametrarna ger dig ett sätt att byta latens mot mer överlagt problemlösande vid svårare prompter.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id mistralai/mistral-medium-3-5. Förfrågningar följer den välbekanta formen för chattkompletteringar, så befintliga OpenAI-klientbibliotek fungerar med bara en ändring av bas-URL och nyckel. De stödda förfrågningsparametrarna är frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools och top_p. I praktiken täcker detta samplingskontroller, deterministiska körningar via seed, stoppvillkor, strukturerad eller JSON-liknande utdata genom response_format och structured_outputs, samt verktygsanvändning genom tools och tool_choice. Parametrarna reasoning och include_reasoning, tillsammans med reasoning_effort, låter dig styra hur mycket internt resonemang modellen utför och huruvida det resonemanget returneras.

Det finns ingen angiven begränsning utöver att utdata endast är text, så om du behöver bild- eller ljudutdata är denna modell inte rätt val. Om din arbetsbelastning är liten och latenskänslig kan en lättare modell i samma familj passa bättre, medan Mistral Medium 3.5 passar uppgifter som behöver hela kontextfönstret, multimodala indata eller verktygsdrivet agentbeteende.