Mistral Medium 3.5 讓遠端 coding agent 上線
Mistral 推出 Medium 3.5，主打 128B 開放權重模型，並把 coding agent 放到雲端執行，支援 Le Chat 的 Vibe 與 Work mode。
Mistral 推出 Medium 3.5，並把 coding agent 改成可在雲端遠端執行。
Mistral AI 這次不是只丟一個新模型。它把模型、雲端執行、和 agent 工作流綁在一起。講白了，就是讓你關掉分頁，任務還能繼續跑。
這次主角是 Mistral Medium 3.5。它是 128B dense 模型，context window 有 256k，還是 open weights。對開發者來說，這些數字比宣傳詞實在多了。
| 項目 | 數字 | 意義 |
|---|---|---|
| 模型規模 | 128B dense | 適合較重的 coding 與 reasoning 工作 |
| Context window | 256k | 能同時放進更多程式碼與指令 |
| SWE-Bench Verified | 77.6% | 看得出軟體修 bug 的能力 |
| τ³-Telecom | 91.4 | 代表 tool-use 與 agent 能力不差 |
| API 價格 | $1.5 / $7.5 每百萬 tokens | 方便團隊估算成本 |
Mistral 這次到底改了什麼
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
重點不是只有模型更新。Mistral 把 coding agent 的執行方式改掉了。以前很多人用 AI 寫 code，還是卡在本機 terminal。你得盯著它，等它吐一段，再手動接下一步。
現在 Vibe remote agents 可以在雲端跑。你可以從 CLI 或 Le Chat 開始任務，再把 session 送去雲端。狀態、授權、歷史都能保留。官方甚至提到可以把本機 CLI session「teleport」到雲端。這句話很短，但意思很直接。
它想做的是同一套工作流。筆電、瀏覽器、背景執行，都要能接起來。對工程團隊來說，這種設計比單純多一個聊天框有用多了。因為真正耗時間的，常常是那些碎碎的修補工作。
- Session 可以平行跑，不用一個接一個等。
- 做完能直接開 GitHub pull request。
- diff、tool calls、進度都看得到。
- 本機任務可無痛移到雲端。
Medium 3.5 為什麼比名字更重要
Hugging Face 上每天都有模型新文。老實說，多數都很像。這次比較不一樣的地方，是 Medium 3.5 把 instruction、reasoning、coding 放在同一個 dense 模型裡，不是拆成好幾套權重。
官方也提到 reasoning effort 可以按 request 調整。這很實際。因為有時候你只想要快答，有時候你要它慢慢想，像 agent 一樣做多步推理。這種可調整性，對開發情境比單純高分更重要。
數字也不算虛。Mistral 說它在 SWE-Bench Verified 拿到 77.6%，在 τ³-Telecom 拿到 91.4。它還說自架只要 4 張 GPU。對想控成本、控資料、控部署的團隊，這點很有吸引力。
“Today we’re moving them to the cloud, where they run on their own, in parallel, and notify you when they’re done.” — Mistral AI
這句話很像產品方向的白話版。它不是要你多一個會聊天的模型。它是要你有一個會做事的 worker。做完後回報，不是一直在聊天室碎念。
Work mode 讓 Le Chat 變成執行層
第二個重點是 Le Chat 的 Work mode。Mistral 說這模式是靠新 harness 加上 Medium 3.5。意思很簡單：它不是只回答問題，而是能跨工具執行任務。
它可以讀寫多個外部工具，也能同時呼叫多個工具。像是整理 email、訊息、行事曆，準備會議資料，建立 Jira issue，或把摘要丟到 Slack 和 Teams。這些工作你可能每天都在做，煩，但又不能不做。
不過，自治程度越高，風險也越高。這點 Mistral 也有提。每個動作都會顯示 tool calls 和 reasoning。敏感操作還是要明確批准。這種設計比較像給團隊用，不像亂放飛的 demo。
價格與可用性，直接告訴你誰該看
Medium 3.5 現在已經能在 Vibe 和 Le Chat 用。方案包含 Pro、Team、Enterprise。API 價格是每百萬 input tokens $1.5，每百萬 output tokens $7.5。這個定價不算最便宜，但也不是亂開價。
對有自架需求的人，Hugging Face 上提供 open weights，授權是 modified MIT license。它也能透過 NVIDIA Build 和 NVIDIA NIM 部署。這代表它不是只想待在自家平台。
如果你是產品團隊，重點是成本和整合。如果你是研究或平台團隊，重點是權重和部署彈性。這次 Mistral 兩邊都顧到，但沒有把話說滿。這反而比較像真正在賣工具的人。
- API 價格可直接估算 agent 成本。
- 開放權重方便內部部署。
- 雲端 agent 適合長任務。
- 自架環境適合敏感資料流程。
這波和 Claude、OpenAI 怎麼比
如果拿來跟 Claude、OpenAI 比，Mistral 的路線很清楚。它不是只拼聊天品質，而是把模型和執行環境綁在一起。這點對 coding agent 很重要，因為 agent 的價值不只在推理，還在持續執行。
Claude 系列強在長上下文和寫作感。OpenAI 的工具鏈和生態很完整。Mistral 這次的賣點，則是 open weights、雲端遠端執行、和比較清楚的價格。對歐洲系統、內部部署、或想避開單一雲端綁定的團隊，這很有吸引力。
但它也有現實限制。128B dense 模型不是小玩具。就算官方說 4 張 GPU 可自架，實際上還是要看吞吐、延遲、和你自己的 infra 成本。說白了，能不能上線，還是要看伺服器和錢包。
- Claude 強在長文與對話品質。
- OpenAI 強在產品整合與工具生態。
- Mistral 強在開放權重與部署彈性。
- 遠端 agent 是三家都會搶的方向。
這次釋出的背景，其實很合理
AI coding 工具這一年已經從「幫你補幾行 code」變成「幫你跑整段工作流」。這種變化很自然。因為開發者真正缺的不是更多句子，而是更多可執行的時間。agent 如果只能陪聊，價值很快就被吃掉。
另一個背景是企業對資料控制越來越在意。很多公司不想把程式碼、issue、內部文件全丟給黑盒雲端。open weights 加上可自架，剛好補到這個需求。這也是 Mistral 一直很會打的點。
所以這次不是單純發新模型。它是在回答一個很實際的問題：AI 要怎麼真正進到工程流程，而不是停在 demo。這個問題如果答不好，再強的 benchmark 也只是簡報素材。
接下來該看什麼
我覺得接下來要看兩件事。第一，remote agents 的穩定度。第二，Work mode 在真實企業流程裡能不能少出錯。只要其中一項做不好，agent 就會從「幫手」變成「麻煩製造機」。
如果你是台灣的開發團隊，現在就可以先試三種任務：大範圍 refactor、CI 問題排查、還有 PR 草稿生成。這三種最容易看出 agent 到底是省時間，還是在浪費你時間。說真的，這比看 benchmark 更準。