Mistral Medium 3.5
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Mistral Medium 3.5, sorti le 29 avril 2026, est le premier modèle « fusionné » de Mistral : un seul jeu de poids couvre le suivi d'instructions, le raisonnement et le code, là où il fallait auparavant choisir entre Medium, Magistral et Devstral. Il remplace Medium 3.1 et Magistral dans Le Chat, et Devstral 2 dans l'agent de code Vibe. Le niveau de raisonnement se règle à chaque requête, de la réponse rapide à la tâche agentique longue. C'est un modèle dense de 128 milliards de paramètres, avec un encodeur de vision et une fenêtre de 256k tokens. Il est proposé sur l'API de Mistral et publié en poids ouverts sur Hugging Face, sous une licence MIT modifiée : usage commercial autorisé, avec une exception pour les entreprises à très fort chiffre d'affaires, à lire avant un déploiement dans un grand groupe. Pour un DSI européen, c'est le modèle Mistral de référence quand la qualité prime : hébergement possible en interne sur un serveur multi-GPU, ou API d'un éditeur français. Pour un usage à fort volume et moins exigeant, Mistral Small 4 coûte dix fois moins cher.
Profil de compétences
Non communiqué
Trois mesures indépendantes
Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.
Forces
- Top mondial sur Arena
- Dispose d'un tier gratuit
- Open-source et auto-hébergeable
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Assistant d'entreprise souverain de haut niveau
- Agents de code et revue de dépôts
- Analyse de documents longs avec images
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/mistral-medium-3-5)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | EU |
| Données anonymisables | Oui |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
7/8 documentées · 4/8 sources primaires
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 73 Go | 82 Go | Mac Studio 96-128 Go / 4× GPU |
| Q8 · équilibré | 137 Go | 153 Go | Infra GPU serveur (H100/A100…) |
| FP16 · qualité max | 256 Go | 284 Go | Infra GPU serveur (H100/A100…) |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve mistralai/Mistral-Medium-3.5-128B \
--max-model-len 32768 \
--tensor-parallel-size 2 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | 1426 |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |