Bisakah saya menjalankan Mistral Medium 3 secara lokal?

Tidak. Bobotnya tidak tersedia untuk umum, jadi penggunaan lokal atau self-host hanya mungkin melalui opsi penyebaran on-prem dan dalam VPC dari Mistral, bukan melalui alat seperti Ollama atau LM Studio.

Berapa biaya Mistral Medium 3 dan berapa jendela konteksnya?

Biayanya $0,40 per juta token input dan $2,00 per juta token output, dengan jendela konteks 131.072 token.

Apa perbedaan Mistral Medium 3 dengan Mistral Large atau Mistral Small?

Mistral menempatkan Medium 3 di antara tier kecil dan besar, dengan tujuan akurasi mendekati frontier pada harga lebih rendah dari model besar; Mistral belum mempublikasikan perbandingan benchmark langsung antara ketiganya dalam dokumentasi yang tersedia.

Mistral Medium 3

2341°

#llm #mistralai #visi #pemrograman #penalaran #agen

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Mistral | konteks 131.072 token | $0,40/M input, $2,00/M output. Mistral Medium 3 adalah model bahasa kelas perusahaan berkinerja tinggi yang dirancang untuk memberikan kemampuan tingkat terdepan dengan biaya operasional yang jauh lebih rendah. Menyeimbangkan penalaran mutakhir dan performa multimodal dengan biaya 8× lebih rendah dibanding model besar tradisional, membuatnya cocok untuk penyebaran skala besar di berbagai kasus penggunaan profesional dan industri. Model unggul di bidang seperti pengkodean, penalaran STEM, dan adaptasi perusahaan. Mendukung penyebaran hibrida, on-prem, dan…Mistral | konteks 131.072 token | $0,40/M input, $2,00/M output. Mistral Medium 3 adalah model bahasa kelas perusahaan berkinerja tinggi yang dirancang untuk memberikan kemampuan tingkat terdepan dengan biaya operasional yang jauh lebih rendah. Menyeimbangkan penalaran mutakhir dan performa multimodal dengan biaya 8× lebih rendah dibanding model besar tradisional, membuatnya cocok untuk penyebaran skala besar di berbagai kasus penggunaan profesional dan industri. Model unggul di bidang seperti pengkodean, penalaran STEM, dan adaptasi perusahaan. Mendukung penyebaran hibrida, on-prem, dan in-VPC serta dioptimalkan untuk integrasi ke alur kerja khusus. Mistral Medium 3 menawarkan akurasi kompetitif dibanding model lebih besar seperti Claude Sonnet 3.5/3.7, Llama 4 Maverick, dan Command R+, sambil mempertahankan kompatibilitas luas di lingkungan cloud.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Mistral Medium 3 adalah model bahasa enterprise dengan bobot tertutup dari Mistral AI yang mendukung visi dan memiliki jendela konteks 131.072 token. Model ini menargetkan celah antara model ringan dan model frontier yang mahal, dengan harga jauh di bawah tingkat model besar sambil mengklaim akurasi kompetitif dibandingkan Claude Sonnet dan Llama 4 Maverick. Jika beban kerja Anda adalah pengkodean, STEM, atau otomasi enterprise dan Anda membutuhkan opsi penyebaran fleksibel termasuk on-prem dan VPC, model ini layak untuk dilihat.

Dikenal untuk

Kemampuan pengkodean dan penalaran STEM yang kuat dengan harga jauh lebih murah dibanding model besar
Dukungan visi selain tugas teks standar
Penyebaran fleksibel: cloud, hybrid, on-prem, dan dalam VPC
Biaya input rendah sebesar $0,40 per juta token
Dirancang untuk integrasi ke dalam alur kerja enterprise kustom

Waspadai

Bobot tidak terbuka; Anda tidak dapat menjalankan ini secara lokal atau self-host di luar opsi penyebaran yang disetujui Mistral.
Harga output sebesar $2,00 per juta token bisa cepat bertambah pada tugas yang verbose atau volume tinggi.
Tidak ada detail kartu model yang dipublikasikan, sehingga klaim kemampuan independen sulit diverifikasi.

Terbaik untuk

Pemrograman

Penalaran

Penglihatan

Agen dan penggunaan alat

Prompt untuk dicoba

Debug fungsi yang rumit

Berikut adalah fungsi Python yang seharusnya mengembalikan kata-kata paling sering top-N dalam sebuah string, tetapi memiliki setidaknya dua bug. Temukan bug tersebut, jelaskan apa yang salah dari masing-masing, dan kembalikan versi yang sudah diperbaiki dengan penjelasan singkat tentang perubahan Anda. 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]

Rencanakan pipeline riset STEM

Saya perlu membangun pipeline otomatis yang mengambil abstrak arXiv baru dalam pembelajaran mesin setiap hari, mengklasifikasikannya ke dalam lima kategori topik, menandai yang mengutip penulis tertentu, dan mengirimkan ringkasan lewat email. Buatlah garis besar arsitektur, sebutkan alat atau API yang akan Anda gunakan di setiap langkah, dan tandai risiko keandalan yang harus saya desain.

Jelaskan dan kritik grafik

Saya melampirkan grafik dari laporan bisnis. Jelaskan apa yang ditunjukkan, identifikasi pilihan desain yang menyesatkan (sumbu yang dipotong, rentang yang dipilih secara cherry-pick, baseline yang hilang), dan sarankan satu perubahan konkret yang membuatnya lebih jujur.

Bandingkan dengan

Mistral Small 4
Model dengan bobot terbuka
konteks 262,144 token · $0.15/M input, $0.60/M output
Mistral Small 3.2 24B
Model dengan bobot terbuka
konteks 256,000 token · $0.09/M input, $0.25/M output
Mistral Large 4
Model hanya API
konteks 1,048,576 token · $0.68/M input, $2.09/M output
Mistral Small 3.2 24B Instruct 2506
Model dengan bobot terbuka
konteks 128,000 token · $0.07/M input, $0.20/M output

Model teks lain dari mistralai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Mistral Medium 3 secara lokal?: Tidak. Bobotnya tidak tersedia untuk umum, jadi penggunaan lokal atau self-host hanya mungkin melalui opsi penyebaran on-prem dan dalam VPC dari Mistral, bukan melalui alat seperti Ollama atau LM Studio.
Berapa biaya Mistral Medium 3 dan berapa jendela konteksnya?: Biayanya $0,40 per juta token input dan $2,00 per juta token output, dengan jendela konteks 131.072 token.
Apa perbedaan Mistral Medium 3 dengan Mistral Large atau Mistral Small?: Mistral menempatkan Medium 3 di antara tier kecil dan besar, dengan tujuan akurasi mendekati frontier pada harga lebih rendah dari model besar; Mistral belum mempublikasikan perbandingan benchmark langsung antara ketiganya dalam dokumentasi yang tersedia.

Putusan Kapten
Pilihan tengah yang masuk akal untuk beban kerja pengkodean dan STEM enterprise di mana Anda membutuhkan penyebaran fleksibel dan tidak bisa membenarkan harga model frontier.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Mistral Medium 3 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm mistralai visi pemrograman penalaran agen

Jelajahi berdasarkan Keluarga Model