Kan ik Ministral 3 14B lokaal draaien?

Ja — de gewichten zijn open onder Apache 2.0 en beschikbaar op Hugging Face. Het FP8 instructiemodel past in 24 GB VRAM, en gequantiseerde versies draaien op minder.

Wat kost het via API en hoe lang is de context?

Mistral rekent $0,20 per miljoen tokens voor zowel input als output, met een contextvenster van 262.144 tokens.

Hoe verhoudt het zich tot Mistral Small 3.2 24B?

Mistral zegt dat de prestaties vergelijkbaar zijn ondanks het kleinere aantal parameters, waardoor de 14B de betere keuze is als je binnen strengere geheugen- of kostenlimieten moet blijven.

Ministral 3 14B 2512

5506°

#llm #mistralai #visie #agenten #meertalig #lange context

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

Mistral | 262.144 token context | $0,20/M input, $0,20/M output. Het grootste model in de Ministral 3 familie, Ministral 3 14B biedt frontier mogelijkheden en prestaties vergelijkbaar met zijn grotere Mistral Small 3.2 24B tegenhanger. Een krachtig en efficiënt taalmodel met visiemogelijkheden.

Gidsen voor dit model

Ollama vs LM Studio (2026): welke lokale AI-app gebruik je, en welke topmodellen draaien ze

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Ministral 3 14B 2512 is Mistral's grootste edge-geoptimaliseerde model, dat een 13,5 miljard taalmodel combineert met een 0,4 miljard vision encoder om prestaties te leveren die Mistral vergelijkt met zijn Mistral Small 3.2 24B. Het wordt geleverd onder Apache 2.0, past in 24 GB VRAM bij FP8, en brengt native functie-aanroepen, een context van 256k tokens en meertalige ondersteuning naar hardware die zou vastlopen op grotere modellen.

Bekend om

Past in 24 GB VRAM bij FP8; verder quantiseren voor strakkere hardware
Native functie-aanroepen en JSON-output voor agent pipelines
Vision encoder verwerkt beeldanalyse naast tekst
256k-token contextvenster voor lange documenten
Apache 2.0 licentie: commercieel gebruik, finetunen, modificatie toegestaan

Let op

FP8 gewichten alleen in de instructieversie; basismodellen in de familie gebruiken BF16
Vision kwaliteit degradeert bij zeer brede of smalle beelden — crop naar bijna 1:1 voor verzending
Mistral raadt temperatuur onder 0,1 aan voor productie; hogere waarden vereisen zorgvuldige tests

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Agentic tool-gebruik plan

Je hebt twee tools: search_web(query: str) en send_email(to: str, subject: str, body: str). Een gebruiker vraagt: 'Vind de huidige CEO van Mistral AI en stuur me een samenvattende e-mail naar user@example.com.' Schrijf de exacte volgorde van tool-aanroepen die je zou maken, met argumenten, en leg je redenering uit tussen elke stap.

Beschrijf een bijgevoegde afbeelding

Voeg een foto toe van een product, document of scène. Beschrijf gedetailleerd wat je ziet: identificeer het hoofdonderwerp, lees zichtbare tekst, noteer kleuren en layout, en stel twee manieren voor waarop deze afbeelding in marketing gebruikt kan worden.

Meertalige contractclausule

Vertaal de volgende clausule naar het Frans, Spaans, Duits en Japans, met behoud van de juridische toon. Markeer daarna termen die mogelijk geen directe juridische equivalenten hebben in een van die talen en stel een lokale alternatieve term voor: 'The licensor grants a non-exclusive, royalty-free, worldwide licence to use, reproduce and distribute the software in source or binary form.'

Vergelijk met

Mistral Large 4
Alleen API-model
1,048,576 token context · $0.68/M invoer, $2.09/M uitvoer
Mistral Medium 3.5
Alleen API-model
262,144 token context · $1.50/M invoer, $7.50/M uitvoer
Mistral Large 3 2512
Alleen API-model
262,144 token context · $0.50/M invoer, $1.50/M uitvoer
Mistral Large 2407
Alleen API-model
131,072 token context · $2.00/M invoer, $6.00/M uitvoer

Meer tekstmodellen van mistralai

Veelgestelde vragen

Kan ik Ministral 3 14B lokaal draaien?: Ja — de gewichten zijn open onder Apache 2.0 en beschikbaar op Hugging Face. Het FP8 instructiemodel past in 24 GB VRAM, en gequantiseerde versies draaien op minder.
Wat kost het via API en hoe lang is de context?: Mistral rekent $0,20 per miljoen tokens voor zowel input als output, met een contextvenster van 262.144 tokens.
Hoe verhoudt het zich tot Mistral Small 3.2 24B?: Mistral zegt dat de prestaties vergelijkbaar zijn ondanks het kleinere aantal parameters, waardoor de 14B de betere keuze is als je binnen strengere geheugen- of kostenlimieten moet blijven.

Oordeel van de kapitein
Een zeldzaam edge-model dat visie, lange context en agents serieus neemt — de moeite waard om lokaal te draaien als je een 24 GB kaart hebt.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Ministral 3 14B 2512 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm mistralai visie agenten meertalig lange context lokaal

Bladeren op modelfamilie