Arena · recenzja: model AI
Mistral Large 3
od Mistral AI
Otwarty flagowiec MoE 675B (41B aktywnych) z kontekstem 256K, wejściem obrazowym i ceną $0.50/$1.50 za 1M.
$1.50/1M out
Jeden poziom API na La Plateforme ($0.50 wejście / $1.50 wyjście za 1M tokenów), z 50% zniżki przez batch API; wagi Apache 2.0 pozwalają na darmowy self-hosting, a ceny u zewnętrznych hostów mogą się różnić.
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
Tak
Czym jest Mistral Large 3?
Flagowiec Mistral AI z otwartymi wagami wydany 2 grudnia 2025: rzadki model mixture-of-experts z 675B parametrów łącznie i 41B aktywnych, kontekstem 256K oraz wejściem tekstowym i obrazowym na licencji Apache 2.0. Wyceniony na $0.50/$1.50 za 1M tokenów na La Plateforme, zadebiutował jako #2 wśród open-source'owych modeli bez rozumowania na LMArena.
Mistral Large 3: plusy i minusy
Plusy
- Otwarte wagi Apache 2.0 z wdrożeniem na pojedynczym węźle dzięki kwantyzacji FP8/NVFP4, mimo 675B parametrów łącznie
- Okno kontekstu 256K, górna półka wśród modeli z otwartymi wagami, świetnie pasuje do RAG na długich dokumentach
- Agresywna cena flagowca: $0.50 wejście / $1.50 wyjście za 1M tokenów, mniej więcej 3-4x taniej niż zachodnie flagowce zamknięte
- Debiut na #2 wśród open-source'owych modeli bez rozumowania na LMArena (Elo ~1418)
- Natywna multimodalność (enkoder wizji 2.5B parametrów) i 40+ natywnych języków
- Deweloperzy na HN chwalą jego ścisłe formatowanie i wykonywanie instrukcji oraz produkcyjną niezawodność
Minusy
- Słabe głębokie rozumowanie: GPQA Diamond ~44% vs wysokie 70% u DeepSeek V3.2 i Kimi K2 Thinking; brak wariantu rozumującego na starcie
- Ustępuje GLM-4.6, Kimi K2 i DeepSeek w nowoczesnych benchmarkach kodowania (przeciętny LiveCodeBench v6); deweloperzy na HN umieszczają go 'w innej kategorii wagowej' poniżej Gemini 3, GPT-5.1 i Claude Opus 4.5
- Skłonny do halucynacji w faktograficznym QA (SimpleQA ~24%) ze słabym strojeniem powstrzymywania się od odpowiedzi
- Zmierzona szybkość wyjścia ~49 tok/s na Artificial Analysis, poniżej mediany ~58 tok/s dla porównywalnych modeli
- Krytyka na HN, że architektura mocno przypomina DeepSeek V3, co budzi wątpliwości co do oryginalnego R&D
Werdykt areny
Wybierz Mistral Large 3, jeśli chcesz otwartego, zarządzanego w UE flagowca do wielojęzycznego RAG, pracy na długich dokumentach lub wdrożeń samodzielnie hostowanych: względem Mistral Large 2 (gęsty 123B, restrykcyjna licencja badawcza, API za $2/$6) to wyraźny upgrade w kontekście, multimodalności, licencji i kosztach. Unikaj go jako głównego silnika kodowania lub głębokiego rozumowania; DeepSeek V3.2, GLM-4.6 lub zamknięte modele frontierowe punktują tam znacząco wyżej. Traktuj go jako taniego, niezawodnego konia roboczego, nie frontierowego mistrza.
Kciuk w górę czy kciuk w dół
Wydaj swój werdykt
Polecasz Mistral Large 3, czy ostrzegasz przed nim tłum?
Najlepsze alternatywy dla Mistral Large 3
Wszystkie alternatywyNajszybszy model Anthropic: około 90% umiejętności kodowania Sonnet 4.5 za $1/$5 za 1M tokenów, 200K kontekstu.
Flagowiec Anthropic klasy Mythos z czerwca 2026: 80.3% na SWE-bench Pro, 11 punktów przewagi nad każdym innym modelem frontierowym
Opus Anthropic z kwietnia 2026: 87.6% SWE-bench Verified, 1M kontekstu, wizja wysokiej rozdzielczości, dziś za Opus 4.8
Porównaj Mistral Large 3 w pojedynku
Mistral Large 3: najczęstsze pytania
Ile kosztuje Mistral Large 3 za 1M tokenów?
Mistral Large 3 kosztuje $0.50/1M in za 1M tokenów wejściowych i $1.50/1M out za 1M tokenów wyjściowych. Jeden poziom API na La Plateforme ($0.50 wejście / $1.50 wyjście za 1M tokenów), z 50% zniżki przez batch API; wagi Apache 2.0 pozwalają na darmowy self-hosting, a ceny u zewnętrznych hostów mogą się różnić.