Kan ik Mistral Nemo lokaal draaien?

Ja. De weights zijn open onder Apache 2.0 en beschikbaar op mistralai/Mistral-Nemo-Instruct-2407 op Hugging Face. Mistral AI ondersteunt draaien via mistral_inference, Hugging Face Transformers of NVIDIA NeMo.

Wat kost Mistral Nemo via API en hoe groot is het contextvenster?

De API-prijs is $0,03 per miljoen tokens voor zowel input als output, en het contextvenster is 128k tokens.

Hoe verschilt Mistral Nemo van Mistral 7B?

Nemo is groter met 12 miljard parameters, heeft een veel groter contextvenster van 128k tokens versus de kortere van 7B, voegt bredere meertalige training toe, en wordt door Mistral gepositioneerd als directe vervanger van 7B in bestaande pipelines.

▲

0.3%

deze week

Mistral Nemo

8319°

#llm #mistralai #meertalig #lokaal #budget #agenten

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 | 131.072 token context | $0.03/M input, $0.03/M output. Een 12B parameter model met een contextlengte van 128k tokens, gebouwd door Mistral in samenwerking met NVIDIA. Het model is meertalig en ondersteunt Engels, Frans, Duits, Spaans, Italiaans, Portugees, Chinees, Japans, Koreaans, Arabisch en Hindi. Het ondersteunt function calling en is uitgebracht onder de Apache 2.0-licentie.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

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?

Hoe Ollama te installeren en een lokale AI te draaien (Windows, Mac, Linux)

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

Mistral Nemo is een 12 miljard parameters model dat gezamenlijk is gebouwd door Mistral AI en NVIDIA, met een contextvenster van 128k tokens en echte meertalige dekking over elf talen. Het zit in het praktische middengebied: klein genoeg om lokaal te draaien op consumentenhardware, goedkoop genoeg via API om in productie te laten draaien zonder de meter te hoeven bekijken, en capabel genoeg om Mistral 7B in de meeste pipelines te vervangen. Apache 2.0-weights betekenen dat je de inzet zelf bezit.

Bekend om

Apache 2.0-licentie: commercieel gebruik, aanpassen en overal draaien toegestaan.
Contextvenster van 128k tokens bij 12 miljard parameters is ongewoon royaal voor deze grootteklasse.
Ondersteuning voor elf talen met toegewijde meertalige trainingsdata, niet alleen Engelse fine-tuning.
Ingebouwde functie-aanroepen, praktisch voor toolgebruik en agentpipelines.
Ontworpen als directe upgrade van Mistral 7B met dezelfde integratiepatronen.

Let op

Meertalige MMLU-scores liggen in de hoge 50s tot lage 60s; sterk voor de grootte, maar niet frontier-niveau.
Bij 12 miljard parameters is kwantisatie nodig om comfortabel te draaien op GPU's met minder dan 16 GB VRAM.

Het beste voor

Meertalig

Draait lokaal

Budget

Agenten en toolgebruik

Lange context

Prompts om te proberen

Meertalige documentensamenvatting

De volgende alinea is in het Frans. Vat hem samen in het Engels in drie bulletpoints, vertaal die bullets daarna naar het Spaans en Japans. "La transition énergétique représente l'un des défis les plus complexes du XXIe siècle. Elle implique non seulement des changements technologiques profonds, mais aussi des transformations économiques et sociales majeures qui touchent l'ensemble des secteurs d'activité."

Ontwerp van functie-aanroep schema

Ontwerp een JSON-functieschema voor een tool genaamd get_weather. Het moet een stadsnaam accepteren, een optionele landcode, en een eenheidsparameter die celsius of fahrenheit accepteert, met celsius als standaard. Geef het schema in het formaat dat een functie-aanroep API verwacht, en toon een voorbeeldoproep voor Tokio in celsius.

Contractbeoordeling met lange context

Je beoordeelt een softwarelicentieovereenkomst. Identificeer clausules die sublicenties beperken, auditrechten opleggen aan de licentiegever, of het contract automatisch verlengen. Citeer elke gevonden clausule en leg in gewone taal uit welke verplichting het schept voor de licentienemer. Als er geen zijn, zeg dat dan expliciet.

Vergelijk met

Mistral Large 2407
Alleen API-model
131,072 token context · $2.00/M invoer, $6.00/M uitvoer
Mistral Large 4
Alleen API-model
1,048,576 token context · $0.68/M invoer, $2.09/M uitvoer
Ministral 3 3B 2512
Model met open gewichten
131,072 token context · $0.10/M invoer, $0.10/M uitvoer
Voxtral Small 24B 2507
Model met open gewichten
32,768 token context · $0.10/M invoer, $0.30/M uitvoer

Meer tekstmodellen van mistralai

Veelgestelde vragen

Kan ik Mistral Nemo lokaal draaien?: Ja. De weights zijn open onder Apache 2.0 en beschikbaar op mistralai/Mistral-Nemo-Instruct-2407 op Hugging Face. Mistral AI ondersteunt draaien via mistral_inference, Hugging Face Transformers of NVIDIA NeMo.
Wat kost Mistral Nemo via API en hoe groot is het contextvenster?: De API-prijs is $0,03 per miljoen tokens voor zowel input als output, en het contextvenster is 128k tokens.
Hoe verschilt Mistral Nemo van Mistral 7B?: Nemo is groter met 12 miljard parameters, heeft een veel groter contextvenster van 128k tokens versus de kortere van 7B, voegt bredere meertalige training toe, en wordt door Mistral gepositioneerd als directe vervanger van 7B in bestaande pipelines.

Oordeel van de kapitein
Een verstandige, echt open 12 miljard werkpaard: goedkoop via API, gratis lokaal inzetbaar, en een van de eerlijkste meertalige opties in deze gewichtsklasse.

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

Also ranked: #63 Hottest Text / LLM model · #63 Hottest Text / LLM text model

Not this creator?

Get your own badge

Populariteitstrend van Mistral Nemo

Heat score, laatste 12 maanden

Heat score

8,319°

Deze week

▲

0.3%

8,317° toen, 8,319° nu

Deze maand

▲

1.1%

8,314° toen, 8,319° nu

Afgelopen jaar

▲

25.2%

8,242° toen, 8,319° nu

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,319°

OpenRouter tokens

248,311,320,782 tokens heeft dit model in de afgelopen 30 dagen verwerkt via OpenRouter, prompts en antwoorden samen. Elke 10,000,000 tokens telt als één download in de downloadterm, in totaal 24,831; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 8,319°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
24,831 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,319°
8,319°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
8,319°

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.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Vergelijkbare modellen

Llama 3.3 70B Instruct

TEXT / LLM

Uncensored

TEXT / LLM

Gemini 3.1 Flash Lite

TEXT / LLM

L3 70B Euryale v2.1

TEXT / LLM

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

Mistral Nemo 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 meertalig lokaal budget agenten lange context

Bladeren op modelfamilie