Mistral Large 2 vs Mistral Medium 3.5
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Mistral Large 2 von Mistral AI und Mistral Medium 3.5 von Mistral AI gehören zu den führenden KI-Modellen. Mistral Large 2 bietet ein Kontextfenster von 128K Tokens bei API-Preisen von $2.00/$6.00 pro 1M Tokens, während Mistral Medium 3.5 262.1K Tokens Kontext zu $0.40/$2.00 pro 1M Tokens bereitstellt. Hier finden Sie den vollständigen Benchmark-, Latenz- und Kostenvergleich.
Beliebige Modelle wechseln & vergleichen
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Mistral Large 2
Open-Weights-BasismodellMistral Large 2 von Mistral AI ist ein KI-Modell für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität mit 128K Kontextfenster, 75 Token/s Durchsatz, einem Intelligenz-Index von 46/100 und $2/$6 pro 1M Token.
$2.00 / 1M
$6.00 / 1M
128K tokens
38%
Mistral Medium 3.5
Open-Weights-BasismodellMistral Medium 3.5 von Mistral AI ist ein KI-Modell für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität mit 262K Kontextfenster, 90 Token/s Durchsatz, einem Intelligenz-Index von 55/100 und $0.4/$2 pro 1M Toke
$0.40 / 1M
$2.00 / 1M
262.1K tokens
54%
Wichtigste Unterschiede auf einen Blick
- Mistral Medium 3.5 is 3.9x cheaper for API usage (input + output tokens combined).
- Mistral Medium 3.5 has a larger context window (262K vs 128K tokens).
- Mistral Medium 3.5 is faster at 90 tok/s vs 75 tok/s.
- Mistral Medium 3.5 leads on SWE-bench coding (54.0% vs 38.0%).
| Feature | Mistral Large 2 | Mistral Medium 3.5 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 46 | 55 |
Provider | Mistral AI | Mistral AI |
Input Price Cost per million input tokens | $2.00 / 1M | $0.40 / 1M |
Output Price Cost per million output tokens | $6.00 / 1M | $2.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $1.70 / 1M | $0.35 / 1M |
Context Window Maximum input + output tokens | 128K tokens~192 A4 pages of text | 262.1K tokens~393 A4 pages of text |
Max Output Tokens Per single request | 8K | 33K |
Throughput Speed Tokens generated per second | 75 tok/s | 90 tok/s |
SWE-bench Verified Real-world software engineering | 38% | 54% |
GPQA Diamond Graduate-level reasoning | 54% | 68% |
Cached Input Price Prompt caching discount per 1M tokens | $1.00 / 1M | $0.10 / 1M |
Wer gewinnt in welcher Disziplin?
At-a-glance decision frameworkGeprüfte Benchmark-Ergebnisse im Vergleich
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latenz & Antwortzeit
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Interaktiver Token-Kosten-Simulator
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Mistral Large 2 · Strengths & Key Advantages
- 128K Kontextfenster und bis zu 8K maximale Output-Token (SWE-bench Verified 38% · GPQA Diamond 54%)
- Hohe Generierungsgeschwindigkeit von 75 Token/Sekunde bei nur 520 ms Erstlatenz (TTFT)
- Offene Modellgewichte (123B) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
- Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
- Bei hohem Anfragevolumen empfiehlt sich der Einsatz von Prompt-Caching und Batch-API zur Kostenoptimierung
Mistral Medium 3.5 · Strengths & Key Advantages
- 262K Kontextfenster und bis zu 33K maximale Output-Token (SWE-bench Verified 54% · GPQA Diamond 68%)
- Hohe Generierungsgeschwindigkeit von 90 Token/Sekunde bei nur 450 ms Erstlatenz (TTFT)
- Offene Modellgewichte (Confidential (~80B MoE)) für lokales Self-Hosting und Fine-Tuning über vLLM, SGLang oder Ollama
Considerations & Trade-offs
- Erfordert dedizierte GPU-Hardware mit ausreichend VRAM für den lokalen Betrieb in voller Präzision
- Bei extrem komplexen mehrstufigen Forschungsfragen bieten schwere Reasoning-Spezialmodelle noch tiefere Analysen
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Mistral Large 2 | Mistral Medium 3.5 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.20 | $0.38 |
Output Tokens / Task Tokens generated per task | 24K | 38K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 18K |
Technische Spezifikationen
Architecture, release timeline, capabilities, and modalities.
| Feature | Mistral Large 2 | Mistral Medium 3.5 |
|---|---|---|
| Official API Model ID (SDK) | mistral-large-2-latest | mistral-medium-3-5-latest |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2024-07 | 2026-04 |
| Knowledge Cutoff | July 2024 | February 2026 |
| Architecture | 123B Dense Frontier Transformer | Enterprise Hybrid Reasoning MoE |
| Parameters | 123B | Confidential (~80B MoE) |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($2/1M in) across full 128K window | Flat rate ($0.4/1M in) across full 262K window |
| Prompt Cache Policy & TTL | Cached input at $1/1M tokens | Cached input at $0.1/1M tokens |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 76 GB VRAM (4-bit Quantized) · 264 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 50 GB VRAM (4-bit Quantized) · 172 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text, vision |
| Output Modalities | text | text |
Mistral Large 2 vs Mistral Medium 3.5: Schnelle Antworten (FAQ)
Which is more intelligent, Mistral Large 2 or Mistral Medium 3.5?
Mistral Medium 3.5 is more intelligent. It scores 55 compared with 46 on the composite Intelligence Index.
Which model is faster?
Mistral Medium 3.5 is faster, generating 90 tokens per second compared with 75 tokens per second.
Which model is cheaper to run?
Mistral Medium 3.5 is cheaper at $0.35 per 1M tokens blended, compared with $1.70 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Mistral Medium 3.5 has lower latency, with a time to first token of 0.45s compared with 0.52s.
Which model has a larger context window?
Mistral Medium 3.5 has a larger context window, supporting 262.1K tokens compared with 128K tokens.
Fazit
Sowohl Mistral Large 2 (Optimal für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) als auch Mistral Medium 3.5 (Optimal für Self-Hosting im eigenen Rechenzentrum, Fine-Tuning und volle Datensouveränität, Enterprise-RAG-Systeme und skalierbare API-Pipelines.) überzeugen im Produktionseinsatz: Mistral Medium 3.5 führt bei komplexem Reasoning und Coding, Mistral Medium 3.5 liefert den höheren Token-Durchsatz und Mistral Medium 3.5 ist die kosteneffizienteste Wahl für große API-Workloads.
Häufig gestellte Fragen (FAQ)
Welches Modell ist besser für Coding und Reasoning – Mistral Large 2 oder Mistral Medium 3.5?+
Im Gesamt-Intelligenzindex und bei Software-Benchmarks liegt Mistral Medium 3.5 vorn. Prüfen Sie oben die SWE-bench- und GPQA-Werte für Ihren Anwendungsfall.
Wie unterscheiden sich die API-Preise von Mistral Large 2 und Mistral Medium 3.5?+
Mistral Large 2 kostet $2.00 / $6.00 pro 1M Input-/Output-Tokens, Mistral Medium 3.5 liegt bei $0.40 / $2.00. Beim gewichteten Gesamtpreis ist Mistral Medium 3.5 günstiger.
Welches Modell hat das größere Kontextfenster und die höhere Geschwindigkeit?+
Mistral Large 2 bietet 128K Tokens Kontext gegenüber 262.1K Tokens bei Mistral Medium 3.5. Bei der Generierungsgeschwindigkeit liegt Mistral Medium 3.5 vorn.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Mistral Large 2 vs. GPT-4o: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Mistral Large 2 vs. Llama 3.3 70B: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Mistral Medium 3.5 vs. Claude Sonnet 5.5: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Mistral Medium 3.5 vs. DeepSeek V4.1-Flash: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Mistral Medium 3.5 vs. GPT-5.5: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
- Pixtral 12B vs. Mistral Large 2: Benchmarks, API-Preise & Geschwindigkeit im Vergleich (2026)Vergleich
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
Offizielle Quellen: Offizielle API-Dokumentation von Mistral AI und Mistral AI, Systemkarten und unabhängige Benchmark-Auswertungen (2026).