DataLearner 标志

Mistral Medium 3.5 评测详情

Mistral Medium 3.5 当前已收录的代表性评测结果包括 Terminal Bench Hard(86 / 244,得分 33.30)、ECI(90 / 167,得分 141.42)、τ³-Banking(112 / 167,得分 15.10)。本页还提供与 3 个竞品模型及 2 个前代或同系列模型的对比,在有数据时会展示性能和价格视图。

评测结果

Mistral Medium 3.5

评测结果

思考模式
工具使用
联网能力

自主开发与终端任务

共 1 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench Hard
开启思考工具
33.30
86 / 244

多轮记忆与持续上下文

共 2 项评测
评测名称 / 模式
得分
排名/总数
Context Arena
常规模式
17.64
125 / 126
Context Arena
思考水平·高
32.05
114 / 126

跨能力聚合指数

共 3 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
141.42
90 / 167
Vals Index
思考水平·高工具
17.95
40 / 42

办公与文档流程

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-Briefcase
常规模式工具
519.11
3 / 3

图像感知与视觉推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
MMMU-Pro
开启思考
64.90
154 / 229

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
开启思考
39.58
108 / 134

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
SAGE
思考水平·高工具
37.61
46 / 64
τ³-Banking
开启思考工具
15.10
112 / 167

法律

共 3 项评测
评测名称 / 模式
得分
排名/总数
Harvey Lab-AA
开启思考工具
69.10
34 / 44
Legal Research Bench
思考水平·高工具
9.13
40 / 42
Harvey's Legal Agent Benchmark
思考水平·高工具
0.42
35 / 43

金融

共 2 项评测
评测名称 / 模式
得分
排名/总数
Finance Agent v2
思考水平·高工具
32.10
40 / 43
EMB (Excel Modeling)
思考水平·高工具
11.19
41 / 42

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
开启思考
2.80
106 / 122

专业数据分析

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-AnalystAgent
常规模式工具联网
12.50
23 / 29

维护、优化与工程管理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Code Migration
思考水平·高工具
5.13
41 / 43

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
Vibe Code Bench v1.1
思考水平·高工具
2.89
57 / 61

数学

共 1 项评测
评测名称 / 模式
得分
排名/总数
ProofBench v1.1 (Lean 4)
思考水平·高工具
9
28 / 28

临床工作与医疗决策

共 2 项评测
评测名称 / 模式
得分
排名/总数
MedScribe
思考水平·高工具
67.73
63 / 66
MedCode
思考水平·高工具
33.75
56 / 64

竞品对比

Mistral Medium 3.5 与同类主流模型的评测得分对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

12 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。

评测项Mistral Medium 3.5当前Qwen3.6-27BGLM-5.2Gemma 4 31B
Terminal Bench Hard
Accuracy
自主开发与终端任务
33.30开启思考 | 工具
34.80开启思考 | 工具
50.80思考水平·高 | 工具
36.40开启思考 | 工具
Context Arena
Accuracy (8 needles, 4K-128K context)
多轮记忆与持续上下文
32.05思考水平·高
82.17开启思考
72.34思考水平·高
--
ECI
ECI score (capability index, higher is better)
跨能力聚合指数
141.42思考水平·高
146.47思考水平·高
151.76思考水平·高
--
Vals Index
跨行业任务准确率综合指数
跨能力聚合指数
17.95思考水平·高 | 工具
--
53.12思考水平·高 | 工具
--
MMMU-Pro
Accuracy
图像感知与视觉推理
64.90开启思考
74.60开启思考
--
76.90思考水平·高
SciCode
Score
科学计算与科研编程
39.58开启思考
42.80开启思考
51.20思考水平·高
45.50开启思考
τ³-Banking
Score
客服与业务流程
15.10开启思考 | 工具
16.70开启思考 | 工具
37.11思考水平·极高 | 工具
14.80开启思考 | 工具
Harvey Lab-AA
Criterion pass rate (some entries report all-pass rate)
法律
69.10开启思考 | 工具
82.30开启思考 | 工具
90.97思考水平·高 | 工具
47.23开启思考 | 工具
0.42思考水平·高 | 工具
--
7.08思考水平·高 | 工具
--
9.13思考水平·高 | 工具
--
31.25思考水平·高 | 工具
--
EMB (Excel Modeling)
Accuracy (%)
金融
11.19思考水平·高 | 工具
--
61.53思考水平·高 | 工具
--
Finance Agent v2
Score
金融
32.10思考水平·高 | 工具
--
49.70思考水平·高 | 工具
--
其余 5 个 benchmark 仍可在上方图表中查看。

Mistral Medium 3.5 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

模型供应商标准输入标准输出标准价适用于
Mistral Medium 3.5
MistralAI$1.5 / 1M tokens$7.5 / 1M tokens—
GLM-5.2
智谱AI$1.4 / 1M tokens$4.4 / 1M tokens—

历代版本对比

Mistral Medium 3.5 系列各版本的评测成绩纵向对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

5 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项Mistral Medium 3.5当前Mistral Large 3Devstral Medium
Terminal Bench Hard
Accuracy
自主开发与终端任务
33.30开启思考 | 工具
15.90常规模式 | 工具
9.10常规模式 | 工具
MMMU-Pro
Accuracy
图像感知与视觉推理
64.90开启思考
55.70常规模式
--
SciCode
Score
科学计算与科研编程
39.58开启思考
36.60常规模式
--
τ³-Banking
Score
客服与业务流程
15.10开启思考 | 工具
5.80常规模式 | 工具
--
GDP.pdf
Task pass rate (%)
文档与图表理解
2.80开启思考
1.20常规模式
--

单评测历史趋势图

当前查看:Terminal Bench Hard · 自主开发与终端任务

选择评测
常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间,纵轴为分数;同一模式会用实线串起版本变化,同代不同模式继续用虚线辅助对齐。

Mistral Medium 3.5 所在系列的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

模型供应商标准输入标准输出标准价适用于
Mistral Medium 3.5
MistralAI$1.5 / 1M tokens$7.5 / 1M tokens—
Mistral Large 3
MistralAI$0.5 / 1M tokens$1.5 / 1M tokens—
Devstral Medium
MistralAI$0.4 / 1M tokens$2 / 1M tokens—