L'arena · recensione di modello IA
Mistral Large 3
di Mistral AI
Flagship MoE open weights da 675B (41B attivi) con contesto 256K, input immagini e prezzi a $0.50/$1.50 per 1M.
$1.50/1M out
Tier API unico su La Plateforme ($0.50 in input / $1.50 in output per 1M di tokens), con sconto del 50% via batch API; i pesi Apache 2.0 consentono il self-hosting gratuito, e i prezzi degli host di terze parti possono variare.
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
Sì
Che cos'è Mistral Large 3?
Il flagship open weights di Mistral AI uscito il 2 dicembre 2025: un modello sparse mixture-of-experts con 675B di parametri totali e 41B attivi, contesto 256K e input testo più immagini sotto Apache 2.0. Prezzato a $0.50/$1.50 per 1M di tokens su La Plateforme, ha debuttato al 2° posto tra i modelli open source non-reasoning su LMArena.
Mistral Large 3: pro e contro
Pro
- Pesi open Apache 2.0 con deployment su nodo singolo via quantizzazione FP8/NVFP4, nonostante i 675B di parametri totali
- Finestra di contesto da 256K, nella fascia alta per i modelli open weights, perfetta per il RAG su documenti lunghi
- Prezzi da flagship aggressivi a $0.50 in input / $1.50 in output per 1M di tokens, circa 3-4x più economico dei flagship proprietari occidentali
- Ha debuttato al 2° posto tra i modelli open source non-reasoning su LMArena (Elo ~1418)
- Multimodalità nativa (encoder visivo da 2.5B di parametri) e 40+ lingue native
- Gli sviluppatori su HN ne lodano il formatting rigoroso, l'aderenza alle istruzioni e l'affidabilità in produzione
Contro
- Ragionamento profondo debole: GPQA Diamond ~44% contro il 70% abbondante di DeepSeek V3.2 e Kimi K2 Thinking; nessuna variante reasoning al lancio
- Dietro a GLM-4.6, Kimi K2 e DeepSeek sui benchmark di coding moderni (LiveCodeBench v6 mediocre); su HN gli sviluppatori lo collocano in una 'categoria di peso diversa', sotto Gemini 3, GPT-5.1 e Claude Opus 4.5
- Incline alle allucinazioni sul QA fattuale (SimpleQA ~24%) con un tuning dell'astensione debole
- Velocità di output misurata ~49 tok/s su Artificial Analysis, sotto la mediana di ~58 tok/s dei modelli comparabili
- Critiche su HN per un'architettura che ricalca da vicino DeepSeek V3, sollevando dubbi sull'originalità della R&D
Il verdetto dell'arena
Scegli Mistral Large 3 se vuoi un flagship open weights e a governance europea per RAG multilingue, lavoro su documenti lunghi o deployment self-hosted: rispetto a Mistral Large 2 (denso da 123B, licenza research restrittiva, API a $2/$6) è un upgrade netto per contesto, multimodalità, licenza e costo. Evitalo come motore principale di coding o ragionamento profondo; DeepSeek V3.2, GLM-4.6 o i modelli proprietari di frontiera segnano nettamente di più lì. Trattalo come un cavallo da lavoro economico e affidabile, non come un fuoriclasse di frontiera.
Pollice su o pollice verso
Emetti il tuo verdetto
Consiglieresti Mistral Large 3, o metteresti in guardia la folla?
Migliori alternative a Mistral Large 3
Tutte le alternativeIl modello più veloce di Anthropic: circa il 90% delle capacità di coding di Sonnet 4.5 a $1/$5 per 1M di tokens, contesto 200K.
Il flagship di classe Mythos di Anthropic di giugno 2026: 80.3% su SWE-bench Pro, 11 punti sopra ogni altro modello di frontiera
L'Opus di Anthropic di aprile 2026: 87.6% su SWE-bench Verified, contesto 1M, visione ad alta risoluzione, ormai dietro a Opus 4.8
Confronta Mistral Large 3 testa a testa
Mistral Large 3: domande frequenti
Quanto costa Mistral Large 3 per 1M di token?
Mistral Large 3 costa $0.50/1M in per 1M di token in input e $1.50/1M out per 1M di token in output. Tier API unico su La Plateforme ($0.50 in input / $1.50 in output per 1M di tokens), con sconto del 50% via batch API; i pesi Apache 2.0 consentono il self-hosting gratuito, e i prezzi degli host di terze parti possono variare.