Mistral Small 3.2 vs Mistral Medium 3
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Mistral Small 3.2 de Mistral AI et Mistral Medium 3 de Mistral AI sont deux modèles d’IA de premier plan. Mistral Small 3.2 propose une fenêtre de contexte de 128K tokens au tarif de $0.10/$0.30 par million de tokens, tandis que Mistral Medium 3 offre 131.1K 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 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%
Mistral Medium 3
Modèle de Base à Poids OuvertsMistral Medium 3 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 131K, une vitesse de 85 tokens/s, un indice d’intel
$0.40 / 1M
$2.00 / 1M
131.1K tokens
40.5%
Différences Clés en un Coup d’Œil
- Mistral Small 3.2 is 5.2x cheaper for API usage (input + output tokens combined).
- Mistral Medium 3 has a larger context window (131K vs 128K tokens).
- Mistral Small 3.2 is faster at 100 tok/s vs 85 tok/s.
- Mistral Medium 3 leads on SWE-bench coding (40.5% vs 34.0%).
| Caractéristique | Mistral Small 3.2 | Mistral Medium 3 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 43 | 47 |
Provider | Mistral AI | Mistral AI |
Input Price Cost per million input tokens | $0.10 / 1M | $0.40 / 1M |
Output Price Cost per million output tokens | $0.30 / 1M | $2.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.09 / 1M | $0.35 / 1M |
Context Window Maximum input + output tokens | 128K tokens~192 A4 pages of text | 131.1K tokens~197 A4 pages of text |
Max Output Tokens Per single request | 8K | 16K |
Throughput Speed Tokens generated per second | 100 tok/s | 85 tok/s |
SWE-bench Verified Real-world software engineering | 34% | 40.5% |
GPQA Diamond Graduate-level reasoning | 48.5% | 57.5% |
Cached Input Price Prompt caching discount per 1M tokens | $0.05 / 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 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
Mistral Medium 3 · Strengths & Key Advantages
- Fenêtre de contexte de 131K et capacité de sortie maximale de 16K tokens (SWE-bench Verified 40.5% · GPQA Diamond 57.5%)
- Débit rapide de 85 tokens/seconde avec une latence au premier token (TTFT) de 480 ms
- Poids ouverts (Confidential (~70B)) 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 Small 3.2 | Mistral Medium 3 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.09 | $0.35 |
Output Tokens / Task Tokens generated per task | 25K | 35K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Mistral Small 3.2 | Mistral Medium 3 |
|---|---|---|
| Official API Model ID (SDK) | mistral-small-3-2-latest | mistral-medium-3-latest |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-06 | 2025-05 |
| Knowledge Cutoff | April 2025 | March 2025 |
| Architecture | Compact Vision-Language Transformer | Enterprise Multimodal Transformer |
| Parameters | 24B | Confidential (~70B) |
| 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 ($0.1/1M in) across full 128K window | Flat rate ($0.4/1M in) across full 131K window |
| Prompt Cache Policy & TTL | Cached input at $0.05/1M 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) · Vision (~258–765 tokens per image tile) | 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) · 15 GB VRAM (4-bit Quantized) · 52 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 43 GB VRAM (4-bit Quantized) · 151 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, vision | text, vision |
| Output Modalities | text | text |
Mistral Small 3.2 vs Mistral Medium 3: Réponses Rapides (FAQ)
Which is more intelligent, Mistral Small 3.2 or Mistral Medium 3?
Mistral Medium 3 is more intelligent. It scores 47 compared with 43 on the composite Intelligence Index.
Which model is faster?
Mistral Small 3.2 is faster, generating 100 tokens per second compared with 85 tokens per second.
Which model is cheaper to run?
Mistral Small 3.2 is cheaper at $0.09 per 1M tokens blended, compared with $0.35 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Mistral Small 3.2 has lower latency, with a time to first token of 0.40s compared with 0.48s.
Which model has a larger context window?
Mistral Medium 3 has a larger context window, supporting 131.1K tokens compared with 128K tokens.
Verdict
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.) et Mistral Medium 3 (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 domine sur les benchmarks de raisonnement et de programmation, Mistral Small 3.2 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, Mistral Small 3.2 ou Mistral Medium 3 ?+
Sur l’indice d’intelligence composite et les tests de code, Mistral Medium 3 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 Small 3.2 et Mistral Medium 3 ?+
Mistral Small 3.2 est facturé $0.10 / $0.30 par million de tokens (entrée/sortie) contre $0.40 / $2.00 pour Mistral Medium 3. En coût pondéré, Mistral Small 3.2 est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Mistral Small 3.2 prend en charge 128K tokens contre 131.1K tokens pour Mistral Medium 3. Côté vitesse de génération, Mistral Small 3.2 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 Mistral Small 3.2 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Llama 3.1 Nemotron 70B Instruct vs Mistral Medium 3 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Mistral Medium 3 vs Mistral Small 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
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).