de Mistral spécialisé raisonnement moteur engineered avec inspectable chaîne de pensée, mathématique proof synthèse, et deliberate decision trees.
Technical Specifications
- Provider
- Mistral AI
- Category
- reasoning
- Release Date
- 2025-03
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- API Pay-as-you-go
- Reasoning Effort Control
- Configurable (Low / Med / High)
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- magistral-medium-latest
- Supported SDK & API Protocol
- Mistral AI REST API (OpenAI-Compatible)
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2027+)
- Production Rate Limits (RPM & TPM)
- 5,000 – 15,000 RPM (Production Tier) · 800,000 – 2,000,000 TPM
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($1/1M in) across full 128K window
- Prompt Cache Write & TTL Policy
- Cached input at $0.25/1M tokens
- Computer Use & Browser GUI Agent
- 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
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- API Prompt Engineering & RAG Distillation
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token)
- Weights Precision & Quantization
- Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster)
- Minimum GPU VRAM Requirement
- Zero Local VRAM Required (100% Serverless Cloud API)
- Supported Inference Engines
- Managed Mistral AI Cloud API
- System Card & Safety Framework
- Mistral AI Production Safety & Alignment Verified
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier
Magistral Medium Cost, Context, Hardware & API Integration
For single-user chat, a $20/mo subscription caps your bill below this API volume.
Break-even point: ~111 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to Magistral Medium:
Benchmark Scores & 6-Axis Capability Radar
- SWE-bench Verified
- 45.2%
- GPQA Diamond
- 67.8%
- MMLU-Pro
- 82.5%
- HumanEval
- 90%
- Terminal-Bench
- 40%
- AIME
- 76.5%
- Long-Context Reasoning
- 80%
- Chatbot Arena Elo
- 1335pts
Strengths
- Transparent, auditable internal raisonnement trace before final synthèse
- substantiel improvements sur compétitif mathematics et algorithmic proofs
- complet 128K fenêtre de contexte avec deliberate outil planning
Limitations & Trade-offs
- supérieur token sortie overhead due à étendu raisonnement traces
- texte-seulement entrée sans natif image ou vidéo traitement
Editorial Assessment
de Mistral answer au raisonnement de pointe, pairing transparency avec rigorous deduction.
Best for: complexe audit reports, juridique clause contradiction analyse, et mathématique logique proofs
Compare Magistral Medium
Frequently Asked Questions about Magistral Medium
How much does the Magistral Medium API cost per 1M tokens?+
Magistral Medium by Mistral AI is priced at $1 per 1M input tokens and $3.5 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.25 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the Magistral Medium pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in Magistral Medium's context window?+
Magistral Medium features a 128K tokens context window, which equals approximately 96,000 English words or ~256 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 32,768 tokens.
Can I run Magistral Medium locally on my own GPU (Open Weights)?+
No, Magistral Medium is a proprietary closed-weights model hosted by Mistral AI. It cannot be downloaded for local GPU execution and must be accessed via Mistral AI's official API or cloud platform.
Does Mistral AI train on data sent to the Magistral Medium API, and is commercial use allowed?+
API payloads are excluded from model training by default. License tier: Proprietary Commercial API (Mistral AI Terms). Full commercial ownership of generated outputs. Supported deployment channels include: Mistral AI Cloud API & Enterprise Endpoints.
How does Magistral Medium perform on coding and reasoning benchmarks?+
Magistral Medium achieves a composite Intelligence Index of 51/100, scoring 45.2% on SWE-bench Verified, 67.8% on GPQA Diamond, 82.5% on MMLU-Pro, and 1335 pts on Chatbot Arena Elo.
What is Magistral Medium best used for?+
Magistral Medium is best suited for: complexe audit reports, juridique clause contradiction analyse, et mathématique logique proofs. Assessment: de Mistral answer au raisonnement de pointe, pairing transparency avec rigorous deduction.
Mistral AI Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to Mistral AI's flagship reasoning tier:
Mistral Medium 3.5
Mistral Small 4
Devstral 2
Devstral Medium
Devstral Small
Mistral Small 3.2
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to Magistral Medium:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.