Robocikowo>ROBOCIKOWO
Ministral 3

Ministral 3

25.12 · Rodzina: Mistral
Rodzina otwartych modeli Mistral AI (grudzień 2025, Apache 2.0) w rozmiarach 3B, 8B i 14B — multimodalna (tekst + obraz), okno kontekstu 256K, do wdrożeń brzegowych i lokalnych.
✓ Aktywny✓ Publiczny dostęp⚖ Open sourceLLMModel multimodalnyModel rozumowania📁 Mistral
Okno kontekstowe
256K
tokenów
Parametry
3B / 8B / 14B
parametrów
Data premiery
2 grudnia 2025
Dostęp:APIDownloadHostedWdrożenie:💻 Lokalnie☁ Cloud📱 Na urządzeniu

Przegląd

Ministral 3 to rodzina otwartych modeli językowych francuskiej firmy Mistral AI, zaprezentowana 2 grudnia 2025 roku (wersja 25.12) w ramach premiery generacji „Mistral 3". Modele udostępniono na licencji Apache 2.0.

Rodzina obejmuje trzy rozmiary — 3B, 8B i 14B parametrów — a każdy z nich występuje w wariantach bazowym (base), instrukcyjnym (instruct) oraz rozumującym (reasoning). Wszystkie modele są natywnie multimodalne (wejście tekstowe i obrazowe) oraz wielojęzyczne, z oknem kontekstu do 256 tys. tokenów.

Ministral 3 zaprojektowano z myślą o wdrożeniach brzegowych (edge) i lokalnych, z naciskiem na wysoką wydajność względem kosztu na zróżnicowanym sprzęcie. Modele obsługują wywoływanie funkcji (function calling), wyjścia strukturyzowane, odpowiadanie na pytania do dokumentów oraz przetwarzanie wsadowe (batch).

Największy wariant, Ministral 3 14B, według producenta osiąga jakość porównywalną z większym modelem Mistral Small 3.2 24B, a jego wersja rozumująca uzyskuje 85% na benchmarku AIME 2025. Ceny w API La Plateforme wynoszą 0,10 USD (3B), 0,15 USD (8B) i 0,20 USD (14B) za milion tokenów (wejście i wyjście).

Klasyfikacja
LLMModel multimodalnyModel rozumowania
Rodzina: Mistral
Dostęp i wdrożenie
APIPobieranieHostowane
LokalnieChmuraNa urządzeniu
Wagi: Open source
Kluczowe parametry
📏 Kontekst: 256K
🧩 Parametry: 3B / 8B / 14B
Narzędzia · ✓ Fine-tuning
📥 Wejście: tekst, obraz, dokumenty

Specyfikacja techniczna

Okno kontekstowe
256K
tokenów
Parametry
3B / 8B / 14B
parametrów
Licencja
Apache 2.0
Funkcje:Używanie narzędziFine-tuning
Modalności
⬇ Wejście (Input)
textimagedocuments
⬆ Wyjście (Output)
textcodestructured_data

Możliwości i zastosowania

Natywne możliwości modelu
Wywoływanie funkcji
Natywne wsparcie dla ustrukturyzowanego wykorzystania narzędzi, umożliwiające przepływy pracy oparte na agentach.
Kategoria: planning
Użycie narzędzi
Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.
Kategoria: planning
Wyjście strukturyzowane
Generowanie danych w ustrukturyzowanych formatach, np. JSON.
Kategoria: structured_generation
Rozumienie obrazu
Analiza i interpretacja treści obrazów.
Kategoria: vision
Rozumienie multimodalne
Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.
Kategoria: multimodal
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Długi kontekst
Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.
Kategoria: language
Przestrzeganie instrukcji
Precyzyjne wypełnianie wskazówek zawartych w prompcie: format odpowiedzi, długość, styl, ograniczenia (np. 'odpowiedz w sześciu słowach'). GPT-5.1 znacząco poprawił tę zdolność względem GPT-5.
Kategoria: language

Wyniki benchmarków

1 benchmark
AIME 2025
accuracy · wariant rozumujący (reasoning), Ministral 3 14B
85%
📄 blog
Wynik raportowany przez Mistral AI dla największego wariantu rozumującego.

Cennik

Architektura techniczna

Rdzeń architektury (Core Architecture)
Techniki trenowania (Training Techniques)

Wdrożenie i bezpieczeństwo

🔒 Security / Enterprise
✓ Zweryfikowane informacje enterprise

Otwarte wagi na licencji Apache 2.0 umożliwiają pełne wdrożenie lokalne / on-premises i samodzielny hosting, co pozwala zachować kontrolę nad danymi (inferencja brzegowa i offline).

Aktualizacja: 24 sie 2026↗ Dokumentacja security