Mistral AI 发布 Mistral Medium 3

发生了什么

2025 年 5 月 7 日，Mistral AI 发布 Mistral Medium 3，把它放在产品线的中档位置，而不是最顶端^[1]。这次发布不只关乎模型本身：同一天，Mistral 推出了 Le Chat Enterprise^[2]。开发者可以通过 Mistral Medium 3 的应用程序接口（API）调用它，渠道有两个，分别是 Mistral 自家的 La Plateforme 和 Amazon SageMaker^[1]。

定价和它引出的比较

Mistral Medium 3 的定价是每百万输入词元（token）0.40 美元、每百万输出词元 2 美元^[1]。词元是模型读写文本的基本单位，大致相当于一个短词或长词的一部分，按百万词元计价是比较一项任务运行成本的通行做法。按 Mistral 自己的说法，这款模型在基准测试（benchmark）上达到 Claude Sonnet 3.7 至少 90% 的水平，而成本约为后者的八分之一^[1]。这句话的两半都值得注意：它是一个相对于具体对手的比值，衡量的是基准成绩；同时它是厂商自己的说法，不是独立评测的结果。

能跑在什么硬件上

Mistral 表示，这款模型可以在 4 块及以上的图形处理器（GPU）上自部署（self-deployment）^[1]。自部署指的是把模型权重跑在客户自己掌控的硬件上——自己的机房或自己的云账户——而不是把请求发给厂商的接口。4 块这个数字是决定谁能这么做的现实门槛：几块加速卡对单个团队来说是买得起、租得起的分量，而需要大得多的集群才能跑的模型，对多数用户实际上只能走 API。对不愿意把数据送出自己边界的机构来说，这个差别常常是拍板的关键。

能力上的说法

Mistral 还说，Medium 3 在编程和 STEM（科学、技术、工程、数学）类任务上接近体量大得多、速度也慢得多的竞争对手^[1]。编程和 STEM 题目常被拿来测试，是因为答案可以检验：代码要么跑得通要么跑不通，数学结果要么对要么错，比开放写作更容易打分。这里提出的其实是一个取舍——不是中型模型打败了最大的模型，而是它在更便宜、响应更快的前提下逼近了它们。

为什么重要

有两点比较突出。其一，每词元的价格决定了建在它之上的应用的成本底线：输入每百万词元 0.40 美元，意味着大量读文本的任务便宜到足以让原本不划算的应用变得值得一试^[1]。其二，同一个模型既上了 Amazon SageMaker，也上了 Mistral 自家平台，再加上 4 块 GPU 即可自部署这一条，等于给了用户三种很不一样的获取方式——厂商接口、第三方云服务、客户自有硬件^[1]。对大型机构来说这一点尤其重要，同一天推出 Le Chat Enterprise 也符合这个路数^[2]。

再往外看一层，这件事说的是能力放在哪里。Mistral 的主张是：对相当大一部分实际工作来说，中型模型已经够用，而正确的比较不只看基准分数，还要看每一美元、每一单位响应时间换来多少分数^[1]。这个说法站不站得住，要由用户和独立评测来判断；发布本身则把这一注押得很明确。