欧洲黑马Mistral Medium 3来了！跑分对标最强Claude，实测大翻车

新智元报道

编辑：编辑部 HNZ

【新智元导读】法国初创Mistral，刚刚推出定价碾压DeepSeek V3的模型，而模型性能，却超过Claude Sonnet 3.7的90%。不过在网友们的实测中，它却翻车了？有人建议：不必下载浪费流量和硬盘空间。

就在刚刚， Mistral AI发布了他们最新多模态模型Mistral Medium 3。

Mistral兴奋地宣称Mistral Medium 3的性能接近甚至达到了Claude Sonnet 3.7的水平，但成本却比DeepSeek V3还低。

性价比拉满！

在Mistral官方的博客中，列出了Mistral Medium 3的核心亮点：

1. Mistral Medium 3平衡了：

顶尖性能

成本降低至原来的八分之一

更易于部署，从而加速企业应用

2. 模型在代码编写和多模态理解等专业应用场景中表现出色。

3. 模型提供一系列企业功能，包括：

支持混合云部署、本地部署以及在VPC内部署

定制化后训练

集成到企业工具和系统中

Mistral Medium 3 API，现已在Mistral La Plateforme和Amazon Sagemaker上线，并将很快登陆IBM WatsonX、NVIDIA NIM、Azure AI Foundry和Google Cloud Vertex。

完美平衡

Mistral Medium 3在提供前沿性能的同时，成本却降低了一个数量级。

例如，在各项基准测试中，Mistral Medium 3的性能达到甚至超过了Claude Sonnet 3.7的90%，但成本却显著降低（每百万Token的输入成本为0.4美元，输出成本为2美元）。

Mistral Medium 3的性能也超越了领先的开源模型，如Llama 4 Maverick和Cohere Command A等企业模型。

无论是API还是自主部署，Mistral Medium 3的成本都要比DeepSeek V3还低。

此外，Mistral Medium 3还可以部署在任何云上，包括四个GPU及以上的自托管环境。

顶级性能

Mistral表示，Mistral Medium 3的目标是成为一款性能顶尖的模型，尤其是在编码和STEM任务中表现突出，性能直逼那些规模更大、速度更慢的竞争对手。

从Mistral给出的表中可以看出Mistral Medium 3性能已经基本上超越Llama 4 Maverick和GPT-4o，接近Claude Sonnet 3.7以及DeepSeek 3.1的水平。

人工评估结果

除了学术基准之外，Mistral还公布了第三方人工评估，后者更能代表真实世界的用例。

可以看到，Mistral Medium 3在编码领域表现出色，并且在各个方面都比其他竞争对手提供了更好的性能。

专为企业级应用打造

Mistral Medium 3在适应企业环境的能力方面优于其他SOTA模型。

在企业面临通过API进行微调，或从零开始自部署并定制模型行为的艰难选择时，Mistral Medium 3提供了一条将智能全面集成到企业系统中的途径。

Mistral还推出了由Mistral Medium 3模型驱动的Le Chat Enterprise，一款面向企业的聊天机器人服务。

它提供了一个AI智能体构建工具，并将Mistral的模型与Gmail、Google Drive和SharePoint等第三方服务整合。

这就可以解决企业面临的AI挑战，如工具碎片化、不安全的知识集成、僵化的模型以及缓慢的投资回报率等，为所有组织工作提供统一的AI平台。

Le Chat Enterprise很快将支持MCP协议，这是Anthropic提出的连接AI与数据系统和软件的标准。

One more thing…

Mistral还在博客中透露，虽然Mistral Small和Mistral Medium都已经发布，但在未来几周内，他们有一个「大」计划，也就是Mistral Large。

他们表示刚发布的Mistral Medium性能已经远胜Llama 4 Maverick等顶尖开源模型，Mistral Large的性能更加值得期待。

网友实测：就这？

号称超越Claude Sonnet 3.7的90%，Medium 3果然有这么强吗？

媒体和网友们立刻展开了实测。

在基于《纽约时报》Connections栏目词汇分类题的评测中，Medium 3处于倒数的位置，几乎找不到它。

在全新的100题测评中，它在前排模型中也排不上号。

有人测试Medium 3后表示，它的写作能力还是老样子，没啥进步。不过在LLM评测中，它倒是处在帕累托前沿。

而Zhu Liang测试后发现，模型在代码编写和文本生成方面表现都很扎实，在这两项评测中都跻身前五。

在简单编码任务（Next.js TODO应用）中：

它生成了简洁明了的回复

评分和Gemini 2.5 Pro、Claude 3.5 Sonnet差不多

逊于DeepSeek V3 (新) 和GPT-4.1

在复杂编码任务（基准测试可视化）中：

产生的平均结果与Gemini 2.5 Pro和DeepSeek V3（新）相似

不如GPT-4.1、o3和Claude 3.7 Sonnet

在写作上：

它的内容覆盖了大部分要点，但格式不正确

评分与DeepSeek V3 (新) 和Claude 3.7 Sonnet相近

不如GPT-4.1和Gemini 2.5 Pro

知名大佬「karminski-牙医」实测后发现，它的性能并不像官方吹得那么强。

建议我们不必下载，浪费流量和硬盘空间了。

参考资料：

https://techcrunch.com/2025/05/07/mistral-claims-its-newest-ai-model-delivers-leading-performance-for-the-price/

https://venturebeat.com/ai/mistral-comes-out-swinging-for-enterprise-ai-customers-with-new-le-chat-enterprise-medium-3-model/

https://mistral.ai/news/mistral-medium-3