Ministral 3 3B 2512
5960°
Mistral | 131,072 令牌上下文 | $0.10/M 输入，$0.10/M 输出。Ministral 3 系列中最小的模型，Ministral 3 3B 是一款强大高效的小型语言模型，具备视觉能力。
本模型的指南
全部指南
船长笔记
2026-10-13 的笔记
Ministral 3 3B 是 Mistral 最小的 Ministral 3 模型，拥有 34 亿参数，内置 4 亿参数视觉编码器。它在 8 GB 显存下以 FP8 运行，适合边缘硬件，支持视觉、函数调用和十多种语言，价格极具竞争力。如果你需要一个能本地部署或通过 API 低价调用的强大小模型，这是一个严肃的选择。
以……著称
- FP8 下 8 GB 显存即可运行，适合普通消费级硬件本地部署
- 内置视觉编码器：可同时分析图像和文本
- 原生函数调用和 JSON 输出，适合构建智能代理流程
- 支持英语、法语、西班牙语、德语、中文、日语、韩语、阿拉伯语等多语言
- Apache 2.0 许可：允许商业使用和修改
注意
- 3B 参数规模，复杂推理和长文本写作能力有限，容易遇到瓶颈。
- 视觉功能对近正方形图像表现最佳，极宽或极窄裁剪会降低效果。
- Mistral 建议生产环境温度低于 0.1，创意输出需刻意调优。
推荐尝试的提示词
从文本提取结构化数据
阅读以下发票文本，返回包含字段 vendor_name、invoice_date、total_amount、line_items（描述和金额数组）的 JSON 对象。发票：'Acme Supplies, 2025年11月14日。Widget A x3，每个12.00美元。运费5.00美元。总计41.00美元。'
描述并分类图片
请看我附上的图片。识别主要主体，描述发生了什么，列出可见文字，并将图片分类为以下类别之一：产品照片、文档、户外场景、室内场景、图表。回答不超过150字。
构建简单工具调用计划
你有两个工具：get_weather(city: string) 和 send_email(to: string, subject: string, body: string)。用户说：“给 sarah@example.com 发送东京当前天气。”请用 JSON 写出完成此请求的工具调用序列。
与……比较
- Mistral Nemo开源权重模型131,072 令牌上下文 · $0.03/M 输入，$0.03/M 输出
- Mistral Large 4仅限API模型1,048,576 令牌上下文 · $0.68/M 输入，$2.09/M 输出
- Mistral Small 3.2 24B Instruct 2506开源权重模型128,000 令牌上下文 · $0.07/M 输入，$0.20/M 输出
- Voxtral Small 24B 2507开源权重模型32,768 令牌上下文 · $0.10/M 输入，$0.30/M 输出
来自 mistralai 的更多文本模型
常见问题
- 我可以本地运行 Ministral 3 3B 吗？
- 可以。权重开源，采用 Apache 2.0 许可，模型在 FP8 下 8 GB 显存即可运行；进一步量化后需求更低，适合多种消费级 GPU。
- 费用和上下文窗口多大？
- API 调用输入输出均为每百万令牌 0.10 美元。模型卡显示上下文窗口为 256,000 令牌，API 列表显示为 131,072 令牌。
- 与更大 Ministral 3 模型有何不同？
- 这是 Ministral 3 系列中最小的模型，优化边缘和低资源部署。以较低成本和较小硬件需求换取较低的原始能力。
船长评语真正实用的小型模型：视觉、函数调用、多语言、Apache 2.0 许可，且价格低廉，适合在边缘硬件上持续运行。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Ministral 3 3B 2512 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153