Command A Translate vs Mistral Small 3.2
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Command A Translate de Cohere et Mistral Small 3.2 de Mistral AI sont deux modèles d’IA de premier plan. Command A Translate propose une fenêtre de contexte de 8.2K tokens au tarif de $0.20/$0.40 par million de tokens, tandis que Mistral Small 3.2 offre 128K tokens de contexte à $0.10/$0.30 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.
Changez et Comparez les Modèles
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Command A Translate
Modèle Léger et ÉconomiqueCommand A Translate de Cohere est un modèle d’IA conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, offrant une fenêtre de contexte de 8K, une vitesse de 130 tokens/s, un indice d’intelligence
$0.20 / 1M
$0.40 / 1M
8.2K tokens
N/A
Mistral Small 3.2
Modèle de Base à Poids OuvertsMistral Small 3.2 de Mistral AI est un modèle d’IA conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, offrant une fenêtre de contexte de 128K, une vitesse de 100 tokens/s, un indice d’int
$0.10 / 1M
$0.30 / 1M
128K tokens
34%
Différences Clés en un Coup d’Œil
- Mistral Small 3.2 is 1.5x cheaper for API usage (input + output tokens combined).
- Mistral Small 3.2 has a larger context window (128K vs 8K tokens).
- Command A Translate is faster at 130 tok/s vs 100 tok/s.
| Caractéristique | Command A Translate | Mistral Small 3.2 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 40 | 43 |
Provider | Cohere | Mistral AI |
Input Price Cost per million input tokens | $0.20 / 1M | $0.10 / 1M |
Output Price Cost per million output tokens | $0.40 / 1M | $0.30 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.11 / 1M | $0.09 / 1M |
Context Window Maximum input + output tokens | 8.2K tokens~12 A4 pages of text | 128K tokens~192 A4 pages of text |
Max Output Tokens Per single request | 4K | 8K |
Throughput Speed Tokens generated per second | 130 tok/s | 100 tok/s |
SWE-bench Verified Real-world software engineering | N/A | 34% |
GPQA Diamond Graduate-level reasoning | N/A | 48.5% |
Cached Input Price Prompt caching discount per 1M tokens | $0.05 / 1M | $0.05 / 1M |
Qui gagne où ?
At-a-glance decision frameworkEvaluations ongoing
Scores de Benchmarks Vérifiés
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.
Latence et Temps de Réponse
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulateur Interactif de Coût de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Command A Translate · Strengths & Key Advantages
- Fenêtre de contexte de 8K et capacité de sortie maximale de 4K tokens (MMLU-Pro 68% · Arena Elo 1235)
- Débit rapide de 130 tokens/seconde avec une latence au premier token (TTFT) de 320 ms
- Poids ouverts (Confidential (~14B)) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Mistral Small 3.2 · Strengths & Key Advantages
- Fenêtre de contexte de 128K et capacité de sortie maximale de 8K tokens (SWE-bench Verified 34% · GPQA Diamond 48.5%)
- Débit rapide de 100 tokens/seconde avec une latence au premier token (TTFT) de 400 ms
- Poids ouverts (24B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Command A Translate | Mistral Small 3.2 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.04 | $0.09 |
Output Tokens / Task Tokens generated per task | 15K | 25K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Command A Translate | Mistral Small 3.2 |
|---|---|---|
| Official API Model ID (SDK) | command-a-translate | mistral-small-3-2-latest |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-08 | 2025-06 |
| Knowledge Cutoff | June 2025 | April 2025 |
| Architecture | Specialized Enterprise Neural Translation Transformer | Compact Vision-Language Transformer |
| Parameters | Confidential (~14B) | 24B |
| 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 ($0.2/1M in) across full 8K window | Flat rate ($0.1/1M in) across full 128K window |
| Prompt Cache Policy & TTL | Cached input at $0.05/1M tokens | Cached input at $0.05/1M 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) · 9 GB VRAM (4-bit Quantized) · 30 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 15 GB VRAM (4-bit Quantized) · 52 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 |
Command A Translate vs Mistral Small 3.2: Réponses Rapides (FAQ)
Which is more intelligent, Command A Translate or Mistral Small 3.2?
Mistral Small 3.2 is more intelligent. It scores 43 compared with 40 on the composite Intelligence Index.
Which model is faster?
Command A Translate is faster, generating 130 tokens per second compared with 100 tokens per second.
Which model is cheaper to run?
Mistral Small 3.2 is cheaper at $0.09 per 1M tokens blended, compared with $0.11 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Command A Translate has lower latency, with a time to first token of 0.32s compared with 0.40s.
Which model has a larger context window?
Mistral Small 3.2 has a larger context window, supporting 128K tokens compared with 8.2K tokens.
Verdict
Command A Translate (Conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, l’intégration RAG et les pipelines de production évolutifs.) et Mistral Small 3.2 (Conçu pour l’auto-hébergement sur infrastructure privée, le fine-tuning et la souveraineté des données, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Mistral Small 3.2 domine sur les benchmarks de raisonnement et de programmation, Command A Translate assure un débit supérieur et Mistral Small 3.2 offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Command A Translate ou Mistral Small 3.2 ?+
Sur l’indice d’intelligence composite et les tests de code, Mistral Small 3.2 prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Command A Translate et Mistral Small 3.2 ?+
Command A Translate est facturé $0.20 / $0.40 par million de tokens (entrée/sortie) contre $0.10 / $0.30 pour Mistral Small 3.2. En coût pondéré, Mistral Small 3.2 est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Command A Translate prend en charge 8.2K tokens contre 128K tokens pour Mistral Small 3.2. Côté vitesse de génération, Command A Translate est le plus rapide.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Command A Translate vs Command A Vision : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Mistral Small 3.2 vs Mistral Medium 3 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Aion-Mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Gemini 3.6 Flash : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-Mini vs Laguna XS 2.1 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aya Expanse 32B vs Llama 3.2 90B Vision : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Documentation API officielle de Cohere et Mistral AI, fiches système et benchmarks indépendants (2026).