Mistral выкатила Mistral Small 3.2 (24B) на Hugging Face: парсер function calling переписали с нуля — теперь различает обязательные и опциональные поля в схеме инструмента. На BFCL v2 multi-turn результат поднялся с 71% до 78%. Всё под Apache 2.0. Главное: • 24B параметров, контекст 128К • Sliding attention по умолчанию в vLLM 0.6.3+ с 512-token stride • 78% на BFCL v2 multi-turn (было 71%) • 80–100 токенов/сек на H100, 12 токенов/сек на Mac Studio M2 Ultra (Q4_K_M) • $0.02 за миллион токенов при self-hosting против $0.15 у GPT-4o mini До GPT-4o mini на coding-бенчмарках вроде SWE-bench Verified модель всё ещё не дотягивает. Что это значит: для agentic-пайплайнов, где Small 3.1 ломался на схемах инструментов, теперь есть рабочая открытая замена. При self-hosting цена падает в семь раз — для стартапа с 50 млн токенов в день это реальный повод не платить OpenAI.