mistralai

Mistral: Mistral Medium 3.5

mistralai/mistral-medium-3-5

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

mistralai/mistral-medium-3-5 es el modelo unificado denso de 128B de Mistral AI que, según su ficha, gestiona seguimiento de instrucciones, razonamiento opcional y código en un solo conjunto de pesos. Acepta entradas de texto, imagen y archivo (archivo según el catálogo de OpenRouter; la ficha menciona texto e imagen) y genera texto con una ventana de contexto de 256k. El esfuerzo de razonamiento se configura por solicitud. Mistral lo orienta a flujos agénticos y afirma que reemplaza a Medium 3.1, Magistral y Devstral 2 en sus productos. Sus benchmarks son autodeclarados; valide en su carga de trabajo.[1][2]

Puntos fuertes

Un único checkpoint denso de 128B que cubre instrucciones, razonamiento y código, con esfuerzo de razonamiento configurable por solicitud: alto para tareas complejas o agénticas, desactivado para respuestas rápidas.[1][2]
Entrada multimodal (texto, imagen y, según el listado de OpenRouter, archivos) sobre una ventana de contexto de 256k; la ficha indica un codificador de visión entrenado desde cero para tamaños y proporciones de imagen variables.[1][2]
Mistral reporta llamadas a funciones nativas, salida JSON y estructurada, fuerte adherencia al prompt de sistema y soporte para decenas de idiomas; el catálogo expone parámetros de herramientas y salidas estructuradas.[1][2]

Limitaciones

La evidencia proviene de una ficha del proveedor y un catálogo agregador; las cifras de benchmarks son autodeclaradas y no verificadas de forma independiente aquí, así que confirme calidad y coste en su propia carga de trabajo.[1][2]
La ficha advierte que una configuración anterior incorrecta de Transformers degradó el rendimiento en contexto largo y que los GGUF generados con ella siguen afectados; los despliegues requieren la configuración corregida.[2]
Publicado bajo una licencia MIT modificada con excepciones para empresas de altos ingresos, por lo que el uso comercial puede requerir revisión legal; la salida es solo texto aunque la entrada sea multimodal.[2]

Dónde utilizarlo

Pipelines agénticos de código y llamadas a herramientas: Mistral diseñó el modelo para esto y lo integra en su agente de código Vibe, por lo que es un candidato plausible para flujos similares.[1][2]
Análisis de contexto largo que combine documentos, imágenes e instrucciones, donde un solo modelo que cubra chat, razonamiento y visión simplifique la arquitectura; conviene pilotearlo con tareas representativas.[1][2]
Asistentes multilingües en los muchos idiomas que la ficha enumera, incluidos español y portugués, sujeto a evaluación por idioma.[2]

Fuentes

[1] OpenRouter catalog · Mistral: Mistral Medium 3.5Fuentes consultadas: 13 nov 2026
[2] Model documentation · Mistral: Mistral Medium 3.5Fuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Mistral Medium 3.5 is a dense 128B instruction-following model from Mistral AI. It supports text and image inputs with text output, and is designed for agentic workflows, coding, and complex...

Especificaciones

ID del modelo: mistralai/mistral-medium-3-5
ID canónico: mistralai/mistral-medium-3.5-20260430
Creador: mistralai
Añadido a OpenRouter: 30.04.2026
Longitud de contexto: 262,144
Modalidad: text+image+file->text
Modalidades de entrada: text, image, file
Modalidades de salida: text
Precio por token: USD por 1M de tokens: entrada $1.5 / salida $7.5
Corte de conocimiento: —
Fecha de expiración: —

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

Tarea	Nota	Capacidad declarada por la fuente
Calidad general	CC — por debajo de la franja B	razonamiento: opcional · predeterminado high · esfuerzos: high, none · parámetros: include_reasoning, reasoning, reasoning_effort
Programación	BB — siguiente 30% de la cohorte	—
Agentes	CC — por debajo de la franja B	parámetros: structured_outputs, tool_choice, tools
Escritura	Sin medición	salida: text
Razonamiento	Sin medición	razonamiento: opcional · predeterminado high · esfuerzos: high, none · parámetros: include_reasoning, reasoning, reasoning_effort
Análisis de documentos	Sin medición	entrada: file
Visión	Sin medición	entrada: image
Generación de imágenes	Sin medición	—
Audio	Sin medición	—
Vídeo	Sin medición	—
Embeddings	Sin medición	—

Evaluaciones

Fuente	Benchmark	Valor	Nota	Datos obtenidos
Artificial Analysis	Intelligence index	4.6	CC — por debajo de la franja B	13.11.2026
Artificial Analysis	Coding index	46.9	BB — siguiente 30% de la cohorte	13.11.2026
Artificial Analysis	Agentic index	7	CC — por debajo de la franja B	13.11.2026

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

S — S — 10% superior de la cohorte
A — A — siguiente 20% de la cohorte
B — B — siguiente 30% de la cohorte
C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

Proveedor	Longitud de contexto	Precio entrada /1M	Precio salida /1M	Latencia p50 (30m, s)	Rendimiento p50 (30m, tok/s)	Disponibilidad (30m)
Mistral	262,144	$1.5	$7.5	—	—	100%
Mistral	262,144	$1.65	$8.25	—	—	100%

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.