Mistral AI 联合 All Hands AI 发布 Devstral Medium，并将 Devstral Small 升级为 Apache 2.0 开源的 1.1。
推荐理由：合作推出的开源模型 Devstral Small 1.1 在 SWE-Bench Verified 得到 53.6% 且每百万输入 token 价格为 $0.1，性能更高的 Devstral Medium 则以 61.6% 得分和 $0.4 的同等计价提供 API 与私有部署选择。
Mistral AI宣布推出Mistral Compute，向客户提供私有一体化AI基础设施，按需包含GPU、编排、API、产品与服务，形态从裸金属服务器到全托管PaaS。
Mistral AI 发布首个推理模型 Magistral，分为 24B 开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：官方在这次双版本发布里同时给出AIME2024成绩和Le Chat最高可达10倍的生成速度，便于判断透明多语言推理能否进入法律金融等专业流程。
Mistral 发布其首个代码专用嵌入模型 Codestral Embed，称其在真实代码数据检索上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大嵌入模型。
推荐理由：这篇模型发布把 Codestral Embed 的检索质量、输出维度和精度选择放在一起说明，便于对照 Voyage Code 3、Cohere Embed v4.0 与 OpenAI 大嵌入模型看存储成本取舍。
Mistral 公布 Agents API，让开发者结合代码执行、网页搜索、图像生成、文档库和 MCP 工具，以及持久记忆与智能体编排，构建能执行动作并保持上下文的 AI 智能体。
推荐理由：官方把代码执行、网页搜索、图像生成和文档库接到有状态对话与智能体交接上，读者可以据此比较它和普通对话接口的实际分工。
Mistral AI 联合 All Hands AI 发布编程智能体模型 Devstral，在 SWE-Bench Verified 取得 46.8%，高出此前开源模型逾 6 个百分点。
推荐理由：把 Devstral 在 SWE-Bench Verified 上的 46.8% 与同测试框架下更大的开源模型对照，可以看出轻量智能体编码模型的成绩差距和单机部署门槛。
Mistral AI 发布 Mistral Medium 3，主打 SOTA 性能、8X 更低成本和更简单的部署，并称其在各项基准上达到 Claude Sonnet 3.7 至少 90% 的表现，API 价格为输入 $0.4、输出 $2 per M token。
推荐理由：读者可据此对照 Mistral Medium 3 相对 Claude Sonnet 3.7 至少九成的基准表现、每百万 token 输入与输出价格，以及四张 GPU 起即可自托管的企业部署条件。
Mistral 说明可用 LLM 作为评判者，配合结构化输出按 RAG 三元组评估检索增强系统。评估覆盖上下文相关性、回答是否忠实于检索内容，以及回答是否切中原问题，因此同时检查检索与生成两步。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本表现与多模态理解，上下文窗口扩至 128k tokens，推理速度为每秒 150 tokens，并称其超过 Gemma 3 和 GPT-4o Mini。
推荐理由：官方发布的 Mistral Small 3.1 在同权重级别提升文本表现、多模态理解与最长 128k 的上下文窗口，并给出每秒 150 tokens 的推理速度以及单张 RTX 4090 或 32GB 内存 Mac 的本地运行条件。
Mistral 推出 OCR API Mistral OCR，可将图片和 PDF 提取为有序交错的文本与图像，并作为 Le Chat 数百万用户的默认文档理解模型。
推荐理由：官方公布了复杂文档理解的内部基准、每美元页数和单节点处理速度，便于对照现有 OCR 服务评估精度与接入成本。