Mistral · pașaport de model
Mistral Medium
mistral-medium- Doar în cloud
- Licență Proprietary
- Lansat 2026-10-15(văzut prima dată pe LMArena)
- General · LMArena
- 1,223#319 din 396
- Cea mai bună percentilă
- 21.7Prompturi dificile
- Poziția în cohortă
- 28.9mediană 60.7
Ce spun datele
Evaluat pe 6 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.
Cele mai slabe axe
- 10.3 pct — LiveCodeBench (Artificial Analysis) (9.9%)
Neuniform: 11,4 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 21.7 pct pe Prompturi dificile față de 10.3 pct pe LiveCodeBench (Artificial Analysis).
- Prompturi dificile21.7 pct1,236Verifică →
- Urmarea instrucțiunilor21.5 pct1,211Verifică →
- Programare19.9 pct1,263Verifică →
- General19.7 pct1,223Verifică →
- MMLU-Pro (Artificial Analysis)17.2 pct49.1%Verifică →
- LiveCodeBench (Artificial Analysis)10.3 pct9.9%Verifică →
- WebDev ArenaNeevaluat
- Vision ArenaNeevaluat
- Factuality ArenaNeevaluat
- Search ArenaNeevaluat
- Document ArenaNeevaluat
- Agent ArenaNeevaluat
- GPQA DiamondNeevaluat
- AIME (matematică)Neevaluat
- FrontierMathNeevaluat
- SimpleQA VerifiedNeevaluat
- ARC-AGI-2Neevaluat
- Humanity's Last ExamNeevaluat
- SimpleBenchNeevaluat
- LiveBenchNeevaluat
- BFCL v4 (apelare de funcții)Neevaluat
- SWE-bench Verified (clasament live)Neevaluat
- Terminal-Bench 4.0Neevaluat
- IFBench (Artificial Analysis)Neevaluat
- Halucinații HHEM (Vectara)Neevaluat
- SWE-bench VerifiedNeevaluat
- Terminal-BenchNeevaluat
Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.
mistral-medium stands at 28.9 (raw mean 18.4) — measured on 6 of 27 axes.
mistral-medium stands at 28.9 versus a cohort median of 60.7 across 169 models released within 180 days — below the peer median.
mistral-medium scores at percentile 10.3 on LiveCodeBench (Artificial Analysis).
mistral-medium ranks between #317 and #970 across 5 built-in weightings — best under "Axat pe programare", worst under "Toate sursele".
Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →