Kan ik Mistral Medium 3 lokaal draaien?

Nee. De gewichten zijn niet openbaar beschikbaar, dus lokaal of zelf hosten is alleen mogelijk via Mistral's on-premises en in-VPC implementatieopties, niet via tools zoals Ollama of LM Studio.

Wat kost Mistral Medium 3 en wat is het contextvenster?

Het kost $0,40 per miljoen inputtokens en $2,00 per miljoen outputtokens, met een contextvenster van 131.072 tokens.

Hoe verschilt Mistral Medium 3 van Mistral Large of Mistral Small?

Mistral positioneert Medium 3 tussen zijn kleine en grote modellen, met als doel bijna grensnauwkeurigheid tegen een lagere prijs dan grote modellen; Mistral heeft geen directe benchmarkvergelijking tussen de drie gepubliceerd in beschikbare documentatie.

Mistral Medium 3

2341°

#llm #mistralai #visie #coderen #redeneren #agenten

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Mistral | 131.072 token context | $0,40/M input, $2,00/M output. Mistral Medium 3 is een hoogpresterend enterprise-grade taalmodel ontworpen om grensverleggende capaciteiten te leveren tegen aanzienlijk lagere operationele kosten. Het balanceert state-of-the-art redenering en multimodale prestaties met 8× lagere kosten vergeleken met traditionele grote modellen, waardoor het geschikt is voor schaalbare implementaties in professionele en industriële toepassingen. Het model blinkt uit in domeinen zoals coderen, STEM-redenering en enterprise-adaptatie. Het ondersteunt hybride, on-premise en…Mistral | 131.072 token context | $0,40/M input, $2,00/M output. Mistral Medium 3 is een hoogpresterend enterprise-grade taalmodel ontworpen om grensverleggende capaciteiten te leveren tegen aanzienlijk lagere operationele kosten. Het balanceert state-of-the-art redenering en multimodale prestaties met 8× lagere kosten vergeleken met traditionele grote modellen, waardoor het geschikt is voor schaalbare implementaties in professionele en industriële toepassingen. Het model blinkt uit in domeinen zoals coderen, STEM-redenering en enterprise-adaptatie. Het ondersteunt hybride, on-premise en in-VPC implementaties en is geoptimaliseerd voor integratie in aangepaste workflows. Mistral Medium 3 biedt concurrerende nauwkeurigheid ten opzichte van grotere modellen zoals Claude Sonnet 3.5/3.7, Llama 4 Maverick en Command R+, terwijl het brede compatibiliteit behoudt over cloudomgevingen.

Gidsen voor dit model

De 10 goedkoopste ChatGPT-alternatieven in 2026: gratis lokale modellen, gratis tiers en vaste prijsplannen

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Hoe kies je een AI-model in oktober 2026: eerst het nieuws over gesloten modellen, dan de open modellen die het downloaden waard zijn

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Mistral Medium 3 is een gesloten-gewichten enterprise-taalmodel van Mistral AI met visuele ondersteuning en een contextvenster van 131.072 tokens. Het richt zich op de kloof tussen lichte modellen en dure grensmodellen, met een prijs die aanzienlijk lager ligt dan die van grote modellen, terwijl het concurrerende nauwkeurigheid claimt ten opzichte van Claude Sonnet en Llama 4 Maverick. Als je werkbelasting bestaat uit coderen, STEM of enterprise-automatisering en je flexibele implementatieopties nodig hebt, inclusief on-premises en VPC, is het de moeite waard om te bekijken.

Bekend om

Sterke codering en STEM-redenering voor een fractie van de prijs van grote modellen
Visuele ondersteuning naast standaard teksttaken
Flexibele implementatie: cloud, hybride, on-premises en in-VPC
Lage invoerkosten van $0,40 per miljoen tokens
Ontworpen voor integratie in aangepaste enterprise-workflows

Let op

Gewichten zijn niet open; je kunt dit niet lokaal draaien of zelf hosten buiten de goedgekeurde implementatieopties van Mistral.
Uitvoerkosten van $2,00 per miljoen tokens lopen snel op bij uitgebreide of volumineuze taken.
Er zijn geen modelkaartdetails gepubliceerd, dus onafhankelijke verificatie van capaciteitsclaims is lastig.

Het beste voor

Coderen

Redeneren

Visie

Agenten en toolgebruik

Prompts om te proberen

Debug een lastige functie

Hier is een Python-functie die de top-N meest voorkomende woorden in een string zou moeten retourneren, maar er zitten minstens twee fouten in. Vind ze, leg uit wat elke fout doet, en geef een gecorrigeerde versie terug met een korte uitleg van je wijzigingen. def top_words(text, n): words = text.lower().split() counts = {} for w in words: counts[w] = counts.get(w, 1) + 1 return sorted(counts, key=counts.get)[:n]

Plan een STEM-onderzoeksworkflow

Ik moet een geautomatiseerde pijplijn bouwen die dagelijks nieuwe arXiv-samenvattingen over machine learning binnenhaalt, deze classificeert in vijf onderwerpcategorieën, alle die een specifieke auteur citeren markeert, en een samenvatting per e-mail verstuurt. Schets de architectuur, noem de tools of API's die je bij elke stap zou gebruiken, en wijs op eventuele betrouwbaarheidsrisico's waar ik rekening mee moet houden.

Beschrijf en beoordeel een grafiek

Ik voeg een grafiek toe uit een bedrijfsrapport. Beschrijf wat het toont, identificeer misleidende ontwerpkeuzes (afgeknotte assen, selectieve bereikkeuze, ontbrekende basislijnen) en stel één concrete wijziging voor die het eerlijker maakt.

Vergelijk met

Mistral Small 4
Model met open gewichten
262,144 token context · $0.15/M invoer, $0.60/M uitvoer
Mistral Small 3.2 24B
Model met open gewichten
256,000 token context · $0.09/M invoer, $0.25/M uitvoer
Mistral Large 4
Alleen API-model
1,048,576 token context · $0.68/M invoer, $2.09/M uitvoer
Mistral Small 3.2 24B Instruct 2506
Model met open gewichten
128,000 token context · $0.07/M invoer, $0.20/M uitvoer

Meer tekstmodellen van mistralai

Veelgestelde vragen

Kan ik Mistral Medium 3 lokaal draaien?: Nee. De gewichten zijn niet openbaar beschikbaar, dus lokaal of zelf hosten is alleen mogelijk via Mistral's on-premises en in-VPC implementatieopties, niet via tools zoals Ollama of LM Studio.
Wat kost Mistral Medium 3 en wat is het contextvenster?: Het kost $0,40 per miljoen inputtokens en $2,00 per miljoen outputtokens, met een contextvenster van 131.072 tokens.
Hoe verschilt Mistral Medium 3 van Mistral Large of Mistral Small?: Mistral positioneert Medium 3 tussen zijn kleine en grote modellen, met als doel bijna grensnauwkeurigheid tegen een lagere prijs dan grote modellen; Mistral heeft geen directe benchmarkvergelijking tussen de drie gepubliceerd in beschikbare documentatie.

Oordeel van de kapitein
Een verstandige middenweg voor enterprise-codering en STEM-werkbelastingen waar je flexibele implementatie nodig hebt en grensmodelprijzen niet kunt rechtvaardigen.

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

Gemini 2.5 Pro Preview 06 05

AI-modellen voor het genereren van afbeeldingen, video en tekst

Mistral Medium 3 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm mistralai visie coderen redeneren agenten

Bladeren op modelfamilie