Mistral Medium 3.5
Red Neuronal
Mistral Medium 3.5 es un modelo de Mistral AI para código, escenarios de agentes y tareas complejas con entrada de texto e imágenes.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Mistral Medium 3.5?
Mistral Medium 3.5 es un modelo denso de 128 mil millones de parámetros de Mistral AI. Acepta texto e imágenes, genera texto y sigue instrucciones con precisión, manejando eficazmente cadenas largas de pasos en escenarios de agentes, programación y tareas complejas que requieren razonamiento. A través de BotHub, el modelo está disponible sin VPN ni tarjetas extranjeras, con pago en rublos por uso (tokens consumidos), sin suscripción. Accede a más de 250 modelos en una sola ventana para comparar respuestas, y utiliza una API compatible con OpenAI para cambiar de modelo sin reescribir integraciones. Las solicitudes están cifradas; para empresas ofrecemos contratos, facturación, intercambio electrónico de documentos y panel de administración con límites. Es ideal para analizar repositorios desconocidos, explicar lógica, escribir y depurar funciones, crear agentes para tareas de varios pasos, interpretar capturas de pantalla de interfaces o diagramas, y preparar documentación técnica.Preguntas frecuentes sobre Mistral Medium 3.5
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto de Mistral con un contexto de 262,144 tokens. Adecuado para trabajar con documentos largos y código, análisis, refactorización, depuración y preparación de respuestas estructuradas. Acepta imágenes y documentos, puede razonar antes de responder y llamar a funciones externas.
Hasta 209,715 tokens en una respuesta: suficiente para un informe de varias páginas, la reconstrucción de un documento grande o la generación de un módulo de código completo. La longitud real depende de la tarea y su prompt; normalmente, el modelo no utiliza todo el volumen disponible.
Sí, el razonamiento antes de responder está confirmado: el modelo puede desglosar la tarea en pasos antes de dar el resultado. Esto ayuda en matemáticas, lógica, análisis de código e instrucciones de varios pasos. En consultas simples la diferencia es menor, pero en las complejas la respuesta es más precisa.
Sí. El modelo admite llamadas a funciones y salida estructurada en JSON, por lo que es fácil integrarlo en agentes, chatbots y pipelines donde la respuesta va directamente al código. En BotHub, esto funciona a través de una API compatible con OpenAI: puede cambiar de modelo sin reescribir la integración.
Imágenes y documentos, sí: envíe una captura de pantalla, diagrama, tabla o archivo y pida analizar el contenido. La recepción de audio y video no está indicada en nuestros datos. La generación de imágenes, sonido o video tampoco está marcada para este modelo; para esas tareas, BotHub tiene modelos específicos.
Los idiomas no están especificados en nuestros datos, por lo que no podemos prometer nada concreto. Es más fácil probarlo con su propia tarea: envíe una consulta típica y compare el resultado con otro modelo en la misma ventana. El pago y el acceso son en rublos, sin VPN ni tarjeta extranjera.