Ministral 3 8B 2512
3319°
Lancer ce modèle
Offres / Pub
Mistral | contexte de 262 144 tokens | 0,15 $/M entrée, 0,15 $/M sortie. Un modèle équilibré de la famille Ministral 3, Ministral 3 8B est un modèle de langage tiny puissant et efficace avec des capacités de vision.
Guides pour ce modèle
Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner
Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche
De combien de VRAM ai-je vraiment besoin pour l'IA locale ?
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
Ministral 3 8B est le modèle instruct de 8 milliards de paramètres optimisé pour l’edge de Mistral, avec un encodeur vision intégré, publié sous licence Apache 2.0 pour un usage local ou commercial sans autorisation. Il tient dans 12 Go de VRAM en FP8, supporte une fenêtre de contexte de 262 000 tokens, et gère les appels de fonctions natives, la sortie JSON et un bon éventail de langues. Si vous cherchez un petit modèle performant qui traite images et agents sans facture cloud, c’est un bon point de départ.
Connu pour
- Fonctionne localement avec 12 Go de VRAM (FP8) ; quantification possible pour réduire encore
- Fenêtre de contexte de 262 000 tokens dans un modèle de classe 8B
- Appels de fonctions natives et sortie JSON pour pipelines agentiques
- Encodeur vision pour l’analyse d’images en plus du texte
- Licence Apache 2.0 : usage commercial et modification autorisés
Attention à
- Les poids FP8 sont fournis par défaut ; la version base en pleine précision est un téléchargement séparé
- La qualité vision vient d’un encodeur de 0,4 milliard de paramètres — ne vous attendez pas à un raisonnement image de pointe
- Le fabricant recommande une température inférieure à 0,1 en production ; des réglages plus élevés nécessitent des tests
Prompts à essayer
Tâche agentique d’appel de fonctions
Vous avez deux outils : get_weather(city: str) et send_email(to: str, subject: str, body: str). Un utilisateur dit : « Vérifie la météo à Tokyo et envoie-moi un email à user@example.com avec un court résumé. » Planifiez les appels aux outils dans l’ordre, affichez chaque appel sous forme d’objet JSON, puis rédigez le corps final de l’email.
Description et extraction d’image
Joignez une photo d’un reçu ou d’une facture. Listez chaque ligne, sa quantité et son prix dans un tableau JSON. Puis rédigez un résumé en une phrase du total dépensé et du nom du fournisseur. Si un champ est illisible, marquez-le comme null plutôt que de deviner.
Résumé multilingue de document
Voici un court article de presse en français : « La Banque centrale européenne a maintenu ses taux directeurs inchangés lors de sa réunion de jeudi, citant une inflation stable et des perspectives économiques incertaines. » Résumez-le en anglais, espagnol et japonais, chacun en une phrase.
Comparer avec
- Mistral NemoModèle à poids ouvertsContexte de 131,072 tokens · entrée $0.03/M, sortie $0.03/M
- Mistral Large 4Modèle uniquement APIContexte de 1,048,576 tokens · entrée $0.68/M, sortie $2.09/M
- Mistral Small 3.2 24B Instruct 2506Modèle à poids ouvertsContexte de 128,000 tokens · entrée $0.07/M, sortie $0.20/M
- Ministral 3 3B 2512Modèle à poids ouvertsContexte de 131,072 tokens · entrée $0.10/M, sortie $0.10/M
Plus de modèles de texte de mistralai
Questions fréquentes
- Puis-je exécuter Ministral 3 8B localement ?
- Oui — les poids sont ouverts sous licence Apache 2.0 et disponibles sur Hugging Face. Mistral indique qu’il tient dans 12 Go de VRAM en FP8, et moins si vous quantifiez davantage.
- Quel est le coût via API et quelle est la taille du contexte ?
- Le tarif est de 0,15 $ par million de tokens en entrée et sortie, avec une fenêtre de contexte de 262 144 tokens.
- En quoi le 8B diffère-t-il du 3B de la même famille ?
- Le modèle 8B possède un modèle de langage plus grand de 8,4 milliards de paramètres comparé au 3B, et ajoute un encodeur vision de 0,4 milliard — la ligne 3B ne liste pas la vision comme fonctionnalité.
Verdict du capitaineUn petit modèle vraiment utile : ouvert, bon marché, capable de vision et suffisamment agentique pour justifier les 12 Go demandés.
Fiche modèle sur Hugging Face
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
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.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
Ministral 3 8B 2512 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmmistralaivisionagentsmultilinguelocalbudget
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153