Mistral Medium 3.5 由 Mistral AI 于 2026 年 4 月 29 日发布，参数规模 1280 亿，采用 Dense 稠密架构，上下文窗口为 256K tokens。
它是 Mistral 首款“融合模型”（merged model），把指令遵循、推理和编码整合进同一套权重，不需要根据任务来回切换模型或 checkpoint。
能力覆盖文本对话、代码生成与调试、图像理解、函数调用、工具使用以及多步骤 Agent。支持中文、日文、法文等数十种语言。
模型权重以修改版 MIT 许可证发布在 Hugging Face，可用于商业和非商业场景。
两项比较醒目的成绩是：
SWE-Bench Verified：77.6%
τ³-Telecom：91.4 分
SWE-Bench Verified 测的是模型解决真实 GitHub Issue 的能力。77.6% 已经进入高端编码模型的竞争区间。
但跑分只能说明上限，不能直接等同于真实开发体验。复杂代码库里还有依赖关系、历史代码、上下文噪声和多轮修改，这些都不是一个 benchmark 数字能完全覆盖的。
| 套餐 | 价格 | 说明 |
|---|---|---|
| API 输入 | $1.50 / 百万 tokens | 按输入 token 数计费 |
| API 输出 | $7.50 / 百万 tokens | 按生成 token 数计费 |
API 上下文窗口上限为 262,144 tokens，最大输出同样为 262,144 tokens。
拿 Claude Sonnet 4.6 做参照，后者 API 输入 $3/百万 tokens、输出 $15/百万 tokens，Medium 3.5 基本是半价。
DeepSeek-V4 Pro 输入价格约为 $1.74/百万 tokens，和它比较接近。Mistral 的差异更多落在 256K 上下文、自托管和 Agent 能力上。
Agent 场景里，价格比普通聊天更重要。一次任务可能连续读代码、调工具、改文件、跑测试，再根据结果继续修第二轮。调用链一长，token 消耗很快，模型单价会直接影响长期成本。
Medium 3.5 支持 reasoning_effort 参数。
设置 "none" 时更偏快速响应；切到 "high" 后，模型会投入更多计算处理问题。
普通代码补全、解释函数、修改范围明确的小 Bug，我更倾向于直接用低推理强度。开 High 经常得不到成比例的提升，等待感却会明显增加。
到了跨文件修改、依赖追踪，或者需要先理解一段历史代码为什么这么写，高推理模式才更有价值。它会更主动检查上下游关系，而不是看到报错就立刻给出第一种修法。
有一次处理跨文件代码问题时，它第一轮其实已经找到了报错点，开到高推理后却没有马上收手，又沿着依赖链继续追了一层。最后的修改确实更完整，但那个过程也让我很直观地意识到：High 模式有时候不是“更聪明”，而是“更不愿意草率交卷”。
这也解释了为什么我不会把 High 当默认档。复杂任务值得开，简单任务反而可能只是多等一会儿。
Medium 3.5 带有视觉编码器，可以直接处理不同尺寸和比例的图片。
流程图、UI 截图、数学公式等输入都能分析。
“能看图”本身已经不是旗舰模型里的稀缺能力。它更实用的地方，是视觉、代码和工具调用都在同一模型里。
比如前端开发时，可以把 UI 截图和项目代码一起交给它；排查问题时，也可以同时输入报错截图、架构图和相关代码。
这时候视觉能力不是单独的识图功能，而是 Agent 获取环境信息的一部分。
Function Calling 和结构化 JSON 输出属于模型原生能力。
配合 256K 上下文，它可以处理连续工具调用，在较长任务链里保留代码、历史操作和工具返回结果。
Mistral 也把 Medium 3.5 用在 Vibe Coding Agent 上。用户可以通过 CLI 或 Le Chat 发起云端编码任务，让模型连续执行修改代码、安装依赖、运行测试、提交 PR 等步骤。
Medium 3.5 的很多能力其实都围绕这一点展开：
拆开看都不算少见，组合起来就更像一块专门为 Coding Agent 准备的底座
软件工程师、Coding Agent 开发者、中大型 AI 团队，以及有自托管和数据控制需求的企业。
尤其是正在做长任务链 Agent，又比较在意 API 成本的团队，Medium 3.5 值得拿真实项目跑一轮。
预算有限的个人学习者、只需要基础聊天的用户，以及单纯追求最高 benchmark 分数的人。
Mistral Medium 3.5 真正值得看的，不是 77.6% 这个数字本身，而是它放进 Coding Agent 后，能不能真的帮你少写几轮代码、少跑几次无效调用。
如果工作流确实需要长上下文、工具调用和复杂编码，它有竞争力；如果这些能力都用不上，那它就是一款规格很高、但有些过剩的模型。
评论（0）