Mistral Medium 3: Europas mest seriøse bud på en frontiermodel til halv pris

Mens OpenAI, Anthropic og Google kæmper om at bygge den største og dyreste sprogmodel, har franske Mistral AI valgt en anden strategi. Den 9. april lancerede de Mistral Medium 3 – en model der rammer 90% af Claude Sonnet 3.7’s ydeevne til en ottendedel af prisen. For europæiske virksomheder, der navigerer mellem GDPR, EU AI Act og et voksende behov for AI-kapacitet, kan det vise sig at være præcis det rigtige tilbud på det rigtige tidspunkt.

Hvad er Mistral Medium 3?

Mistral Medium 3 er en stor sprogmodel med 128K tokens kontekstvindue, bygget af det Paris-baserede selskab Mistral AI. Modellen er designet til at sidde i det “sweet spot”, hvor den er kraftig nok til seriøse enterprise-opgaver, men billig nok til at skalere. API-prisen lyder på $0,40 per million input-tokens og $2,00 per million output-tokens. Til sammenligning koster Claude Sonnet 4 $3/$15 og GPT-5.4 ligger i samme prisleje.

Modellen er tilgængelig via Mistral La Plateforme, Amazon SageMaker, og snart på IBM WatsonX, NVIDIA NIM, Azure AI Foundry og Google Cloud Vertex. Det brede udvalg af platforme signalerer, at Mistral satser hårdt på enterprise-markedet.

Benchmarks: Tæt på de store til en brøkdel af prisen

Mistral har offentliggjort en række benchmarks, der tegner et overbevisende billede. På HumanEval (kodegenerering, 0-shot) scorer Medium 3 0,921, helt på niveau med Claude Sonnet 3.7 og markant over Llama 4 Maverick (0,854) og Cohere Command-A (0,829). I Math500 Instruct (0-shot) rammer den 0,910, hvilket overgår GPT-4o’s 0,764 med god margin.

Der er dog en vigtig nuance: disse tal kommer fra Mistral selv. Uafhængig verificering på de store benchmark-leaderboards mangler stadig pr. medio april. Det er ikke usædvanligt for nye modeller, men det betyder, at man bør tage tallene med et gran salt, indtil tredjeparter har bekræftet dem. Mistral har historisk set været relativt præcise i deres claims, men tillid bygger på reproducerbarhed.

Hvor modellen virkelig skiller sig ud, er i forholdet mellem pris og ydeevne. Mistral selv hævder, at Medium 3 rammer “90% af Claude Sonnet 3.7 på tværs af benchmarks” til omkring en ottendedel af prisen. Selv hvis det reelle tal er 85%, er det stadig et enormt attraktivt value proposition for teams, der ikke har brug for den absolut bedste model til hver eneste opgave.

STEM og kodning: Det egentlige fokus

Mistral positionerer Medium 3 specifikt som en model til krævende STEM-opgaver. Det dækker alt fra produktionsklar kodegenerering til løsning af komplekse videnskabelige og tekniske problemer. I praksis betyder det, at modellen er optimeret til scenarier, hvor præcision og teknisk forståelse er vigtigere end kreativ tekstproduktion.

For danske udviklere og IT-afdelinger er det relevant, fordi mange daglige opgaver – kodereviews, fejlsøgning, dokumentation af tekniske systemer, dataanalyse – falder præcis i den kategori. Man behøver ikke en $15-per-million-output-tokens model til at generere unit tests eller forklare en stack trace. Som vi tidligere har set med Google Gemma 4, er der et voksende marked for modeller, der gør 90% af arbejdet til 10% af prisen.

EU AI Act og GDPR: Mistrals strategiske fordel

Det mest interessante ved Mistral Medium 3 handler ikke om benchmarks, men om regulering. Som EU-baseret selskab er Mistral designet fra bunden til at overholde både GDPR og EU AI Act. Modellen understøtter hybrid- og on-premises-deployment, hvilket giver virksomheder fuld kontrol over deres data.

Det er ikke en triviel fordel. Som vi tidligere har skrevet om Claude Mythos og EU, står europæiske virksomheder over for et reelt problem: de mest avancerede modeller lanceres ofte først i USA, og europæiske kunder kan vente uger eller måneder på adgang. Mistral har ikke det problem. Deres modeller er tilgængelige i EU fra dag ét, med infrastruktur der kører på europæisk jord.

Mistral har i marts 2026 sikret sig $830 millioner i gældsfinansiering til at købe 13.800 NVIDIA-chips og bygge et nyt datacenter nær Paris. Derudover har de annonceret en investering på €1,2 milliarder i et datacenter i Sverige. CEO Arthur Mensch har sagt det direkte: “Man kan ikke have AI-suverænitet, hvis al ens compute kører på amerikansk cloud-infrastruktur.”

Europæiske sprog: Et underbelyst plus

Mistral har historisk set haft stærk understøttelse af europæiske sprog, og Medium 3 er ingen undtagelse. Modellen er trænet med fokus på flersproglig kapacitet, hvilket er relevant for virksomheder, der opererer på tværs af EU-markeder. For danske brugere betyder det typisk bedre dansk output end hvad man får fra modeller, der primært er optimeret til engelsk.

Det er svært at kvantificere præcist, da der ikke findes standardiserede benchmarks for dansk sprogforståelse i LLM’er. Men erfaringen fra Mistral Large 3 og tidligere modeller tyder på, at Mistral tager europæiske sprog seriøst – ikke som en eftertanke, men som en kernekompetence.

Hvad betyder det for udviklere?

Praktisk set giver Mistral Medium 3 udviklere endnu en stærk mulighed i en tid, hvor markedet er mere fragmenteret end nogensinde. April 2026 har givet os ni store modellanceringer fra seks forskellige organisationer. Prisen for “god nok” LLM-inferens er faldet cirka 50% siden januar.

For teams der bygger AI-produkter, er anbefalingen klar: brug ikke én model til alt. Ruter simple opgaver til billige modeller som Mistral Medium 3 eller Gemini 2.5 Flash, og reserver de dyre frontier-modeller til opgaver, der faktisk kræver det. Multi-model routing er ikke længere et nice-to-have – det er en økonomisk nødvendighed.

Mistral Medium 3 er ikke den bedste model på markedet. Det påstår Mistral heller ikke. Men den er muligvis den bedste model per krone for europæiske virksomheder, der har brug for stærk STEM-kapacitet, regulatorisk compliance og priser der ikke sprænger budgettet. I en branche bessat af at bygge det største og dyreste, er det forfriskende at se nogen satse på det smarteste.