Mistral Large 2 vs Mistral Medium 3.5
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Mistral Large 2 de Mistral AI et Mistral Medium 3.5 de Mistral AI sont deux modèles d’IA de premier plan. Mistral Large 2 propose une fenêtre de contexte de 128K tokens au tarif de $2.00/$6.00 par million de tokens, tandis que Mistral Medium 3.5 offre 262.1K tokens de contexte à $0.40/$2.00 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.
Mistral Large 2
Modèle de Base à Poids OuvertsMistral Large 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 75 tokens/s, un indice d’intell
$2.00 / 1M
$6.00 / 1M
128K tokens
38%
Mistral Medium 3.5
Modèle de Base à Poids OuvertsMistral Medium 3.5 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 262K, une vitesse de 90 tokens/s, un indice d’int
$0.40 / 1M
$2.00 / 1M
262.1K tokens
54%
Différences Clés en un Coup d’Œil
- 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%).
| Caractéristique | 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 |
Qui gagne où ?
At-a-glance decision frameworkScores 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.
Mistral Large 2 · Strengths & Key Advantages
- Fenêtre de contexte de 128K et capacité de sortie maximale de 8K tokens (SWE-bench Verified 38% · GPQA Diamond 54%)
- Débit rapide de 75 tokens/seconde avec une latence au premier token (TTFT) de 520 ms
- Poids ouverts (123B) 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
- Pour les charges à très fort volume, l’activation du cache de prompts et de l’API Batch est recommandée
Mistral Medium 3.5 · Strengths & Key Advantages
- Fenêtre de contexte de 262K et capacité de sortie maximale de 33K tokens (SWE-bench Verified 54% · GPQA Diamond 68%)
- Débit rapide de 90 tokens/seconde avec une latence au premier token (TTFT) de 450 ms
- Poids ouverts (Confidential (~80B MoE)) 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 | 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 |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | 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: Réponses Rapides (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.
Verdict
Mistral Large 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.) et Mistral Medium 3.5 (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 Medium 3.5 domine sur les benchmarks de raisonnement et de programmation, Mistral Medium 3.5 assure un débit supérieur et Mistral Medium 3.5 offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Mistral Large 2 ou Mistral Medium 3.5 ?+
Sur l’indice d’intelligence composite et les tests de code, Mistral Medium 3.5 prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Mistral Large 2 et Mistral Medium 3.5 ?+
Mistral Large 2 est facturé $2.00 / $6.00 par million de tokens (entrée/sortie) contre $0.40 / $2.00 pour Mistral Medium 3.5. En coût pondéré, Mistral Medium 3.5 est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Mistral Large 2 prend en charge 128K tokens contre 262.1K tokens pour Mistral Medium 3.5. Côté vitesse de génération, Mistral Medium 3.5 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
- Mistral Large 2 vs GPT-4o : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Mistral Large 2 vs Llama 3.3 70B : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Mistral Medium 3.5 vs Claude Sonnet 5.5 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Mistral Medium 3.5 vs DeepSeek V4.1-Flash : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Mistral Medium 3.5 vs GPT-5.5 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Pixtral 12B vs Mistral Large 2 : 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 Mistral AI et Mistral AI, fiches système et benchmarks indépendants (2026).