29 квітня Mistral AI випустила Mistral Medium 3.5. Паризька лабораторія анонсувала щільну модель зі 128 мільярдами параметрів, набір агентних функцій — і одразу ж зіткнулася з хвилею байдужих (“meh”) реакцій в інтернеті.
Реліз складався з трьох частин. По-перше, сама модель. По-друге, віддалені агенти для кодування через Mistral Vibe CLI — хмарні сесії для написання коду, які можуть надсилати запити на витяг (pull requests) до GitHub і працювати паралельно без вашої присутності за терміналом. По-третє, робочий режим (Work Mode) у Le Chat, споживчому інтерфейсі Mistral у стилі ChatGPT, який тепер виконує багатоетапні автономні завдання, такі як сортування електронних листів, синтез досліджень та крос-інструментальні робочі процеси.
Великі амбіції, але невтішна реальність бенчмарків.
Medium 3.5 отримала 77.6% у тесті SWE-Bench Verified — бенчмарку кодування, який перевіряє, чи може модель виправляти реальні проблеми GitHub, генеруючи робочі патчі. Вона також досягла 91.4% у τ³-Telecom, що вимірює використання агентних інструментів у спеціалізованих середовищах. Mistral також об'єднала три раніше окремі моделі (Medium 3.1, Magistral та Devstral 2) в один набір ваг із налаштовуваною складністю міркувань за запит.
Об'єднання трьох моделей в одну — це справжня інженерна перемога. Проблема полягає в її вартості та конкуренції.
Mistral стягує $1.50 за мільйон вхідних токенів і $7.50 за мільйон вихідних токенів. Qwen 3.6 від Alibaba з 27 мільярдами параметрів — менше чверті від кількості параметрів Medium 3.5 — набирає 72.4% у тому ж бенчмарку SWE-Bench Verified і поставляється за ліцензією Apache 2.0, тобто її можна завантажити та запустити безкоштовно.
Параметри визначають здатність ШІ навчатися, міркувати та зберігати інформацію. Чим більше параметрів, тим ширший обсяг знань моделі.
Прогортайте лідерборди моделей з відкритим вихідним кодом, і картина буде приголомшливою. Верхні позиції займають Qwen від Alibaba, GLM від китайської Zhipu AI та MiMo-V2 від Xiaomi, всі вони дешевші, потужніші та конкурентоспроможніші, ніж новий реліз Mistral. Medium 3.5 ще навіть не потрапила до основних незалежних лідербордів — сторонні оцінки ще очікуються.
Єдина позитивна річ, як стверджують деякі, полягає в тому, що Mistral наразі є єдиною некитайською моделлю, яка має серйозну присутність у дискусії про відкритий вихідний код.
I think Mistral has the 10th highest valuation in the whole AI scene (something like that).
All while they consistently release some of the worst models.
They have survived through European bureaucracy, lobbying and politics.
All because they’ve convinced demented bureaucrat… https://t.co/kh7ASvdi7C
— Youssof Altoukhi (@Youssofal_) April 29, 2026
Педро Домінгос, професор машинного навчання з Університету Вашингтона, не стримувався:
"Звичайні компанії ШІ хваляться тим, наскільки краща їхня модель за бенчмарками. Лише Mistral хвалиться тим, наскільки гірша її модель."
Regular AI companies brag about how much better their model is on benchmarks. Only Mistral brags about how much worse its one is. pic.twitter.com/WcAKskaVpL
— Pedro Domingos (@pmddomingos) April 30, 2026
Він додав гостріше запитання: "Я не знаю, що гірше: щоб Європа не брала участі в гонці ШІ, чи щоб її представляв такий посміховисько, як Mistral."
Юссуф Альтухі, засновник Yoyo Studios, зробив розрахунки: Qwen 3.6, маючи 27 мільярдів параметрів, у 4.7 рази менша за Medium 3.5 і показує порівнянні результати в кодуванні. Ціна вихідних токенів Medium 3.5 ставить її в один ряд із закритими моделями, які демонструють значно вищі результати в усіх основних бенчмарках.
“Якби не їхня політична майстерність, вони вже давно збанкрутували б”, — сказав він.
Не всі були повністю скептичними. Розробник ШІ Міхал Лангмайєр висловив амбівалентність:
"Я щиро радий, що все ще є неамериканська, некитайська лабораторія, яка намагається створювати передові великі мовні моделі (LLMs), але, хлопці, ми повинні підвищити рівень гри в Європі. Їхня нова флагманська модель фактично "не найкраща" за жодним бенчмарком, але коштує в рази дорожче, ніж більшість конкурентів."
I’m genuinely glad there’s still a non-US, non-Chinese lab trying to build frontier LLMs (@MistralAI) but boy we have to level up the game in Europe.
Their new flagship model is basically “not the best” on any benchmark, yet costs multiple times more than most competitors... pic.twitter.com/JwvR5eKWmT
— Michal Langmajer (@MichalLangmajer) April 30, 2026
Деякі розробники стверджували, що відкриті ваги (open weights) — це гра на довговічність, а не на лідерство в рейтингах. Модель, яку кожен може завантажити, доналаштувати та розмістити на власному сервері, не потребує перемог у рейтингах сьогодні, щоб залишатися актуальною. Інші вказували на реальні корпоративні впровадження Mistral по всій Європі як доказ того, що їхня перевага не є суто технічною.
Ось тут і криється справжня перевага Mistral.
Європейські підприємства, які підпадають під дію GDPR, банки, що обробляють конфіденційні дані клієнтів, та уряди, які не будуть направляти робочі навантаження ШІ через китайську інфраструктуру, мають обмежені варіанти. Як повідомляв Decrypt у грудні минулого року, HSBC підписав багаторічну угоду з Mistral спеціально для самостійного розміщення моделей на власній інфраструктурі. Привабливість європейської лабораторії з відкритими вагами та оцінкою в $14 мільярдів не відображається в таблицях бенчмарків — але вона проявляється в рішеннях щодо закупівель.
Не найкраща в кодуванні і не найдешевша. Але вона: не американська, не китайська, піддається аудиту, може розміщуватися на власному сервері та є юридично безпечною для європейських підприємств.
