Arena · Review model AI
Mistral Large 3
oleh Mistral AI
Flagship MoE open weights 675B (41B aktif) dengan context 256K, input vision, dan harga $0.50/$1.50 per 1M.
$1.50/1M out
Satu tarif API di La Plateforme ($0.50 masuk / $1.50 keluar per 1M tokens), dengan diskon 50% via Batch API; bobot Apache 2.0 memungkinkan self-hosting gratis, dan harga host pihak ketiga bisa berbeda.
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
Ya
Apa itu Mistral Large 3?
Flagship open weights dari Mistral AI yang dirilis 2 Desember 2025: model sparse mixture-of-experts dengan total 675B dan 41B parameter aktif, context 256K, serta input teks plus gambar di bawah Apache 2.0. Seharga $0.50/$1.50 per 1M tokens di La Plateforme, ia debut sebagai #2 di antara model open source non-reasoning di LMArena.
Kelebihan & kekurangan Mistral Large 3
Kelebihan
- Bobot terbuka Apache 2.0 dengan deployment satu node via kuantisasi FP8/NVFP4, meski total parameternya 675B
- Context window 256K, di kelas atas untuk model open weights, sangat cocok untuk RAG dokumen panjang
- Harga flagship agresif $0.50 masuk / $1.50 keluar per 1M tokens, kira-kira 3-4x lebih murah dari flagship proprietary Barat
- Debut #2 di antara model open source non-reasoning di LMArena (Elo sekitar 1418)
- Multimodalitas natif (encoder vision 2.5B parameter) dan 40+ bahasa natif
- Developer di HN memuji format dan kepatuhan instruksinya yang ketat plus keandalan produksinya
Kekurangan
- Penalaran mendalam lemah: GPQA Diamond sekitar 44% vs 70-an tinggi untuk DeepSeek V3.2 dan Kimi K2 Thinking; tanpa varian reasoning saat peluncuran
- Tertinggal dari GLM-4.6, Kimi K2, dan DeepSeek pada benchmark coding modern (LiveCodeBench v6 menengah); developer HN menempatkannya di 'kelas berat yang berbeda' di bawah Gemini 3, GPT-5.1, dan Claude Opus 4.5
- Rentan halusinasi pada QA faktual (SimpleQA sekitar 24%) dengan tuning abstensi yang lemah
- Kecepatan output terukur sekitar 49 tok/s di Artificial Analysis, di bawah median sekitar 58 tok/s untuk model sekelas
- Kritik di HN bahwa arsitekturnya sangat mirip DeepSeek V3, menimbulkan keraguan atas orisinalitas R&D-nya
Vonis arena
Pilih Mistral Large 3 jika Anda menginginkan flagship open weights yang tunduk pada tata kelola Uni Eropa untuk RAG multibahasa, pekerjaan dokumen panjang, atau deployment self-hosted: dibanding Mistral Large 2 (dense 123B, lisensi riset yang restriktif, harga API $2/$6) ia adalah peningkatan jelas dalam context, multimodalitas, lisensi, dan biaya. Hindari sebagai mesin coding atau penalaran mendalam utama Anda; DeepSeek V3.2, GLM-4.6, atau model frontier proprietary berskor jauh lebih tinggi di sana. Perlakukan ia sebagai kuda beban yang murah dan andal, bukan performer frontier.
Jempol ke atas atau ke bawah
Jatuhkan vonis Anda
Apakah Anda akan merekomendasikan Mistral Large 3, atau memperingatkan penonton agar menjauh?
Alternatif Mistral Large 3 terbaik
Semua alternatifModel tercepat Anthropic: sekitar 90% kemampuan coding Sonnet 4.5 seharga $1/$5 per 1M tokens, context 200K.
Flagship kelas Mythos dari Anthropic edisi Juni 2026: 80.3% di SWE-bench Pro, unggul 11 poin dari semua model frontier lainnya
Opus Anthropic edisi April 2026: 87.6% SWE-bench Verified, context 1M, vision resolusi tinggi, kini tertinggal dari Opus 4.8
Bandingkan Mistral Large 3 head-to-head
Mistral Large 3: pertanyaan yang sering diajukan
Berapa biaya Mistral Large 3 per 1M token?
Mistral Large 3 berbiaya $0.50/1M in per 1M token input dan $1.50/1M out per 1M token output. Satu tarif API di La Plateforme ($0.50 masuk / $1.50 keluar per 1M tokens), dengan diskon 50% via Batch API; bobot Apache 2.0 memungkinkan self-hosting gratis, dan harga host pihak ketiga bisa berbeda.