Bisakah saya menjalankan Ministral 3 14B secara lokal?

Ya — bobotnya terbuka di bawah lisensi Apache 2.0 dan tersedia di Hugging Face. Model instruksi FP8 muat dalam 24 GB VRAM, dan versi kuantisasi akan berjalan di perangkat dengan VRAM lebih kecil.

Berapa biayanya melalui API dan berapa panjang konteksnya?

Mistral menetapkan harga $0,20 per juta token untuk input dan output, dengan jendela konteks 262.144 token.

Bagaimana perbandingannya dengan Mistral Small 3.2 24B?

Mistral mengatakan performanya sebanding meskipun jumlah parameternya lebih kecil, menjadikan 14B pilihan lebih baik saat Anda perlu membatasi memori atau biaya.

Ministral 3 14B 2512

5506°

#llm #mistralai #visi #agen #multibahasa #konteks panjang

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Mistral | konteks 262.144 token | $0.20/M input, $0.20/M output. Model terbesar dalam keluarga Ministral 3, Ministral 3 14B menawarkan kemampuan frontier dan performa yang sebanding dengan rekan besarnya Mistral Small 3.2 24B. Model bahasa yang kuat dan efisien dengan kemampuan visi.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Ministral 3 14B 2512 adalah model edge-optimised terbesar dari Mistral, menggabungkan model bahasa 13,5 miliar parameter dengan encoder visi 0,4 miliar parameter untuk memberikan performa yang menurut Mistral setara dengan Mistral Small 3.2 24B. Model ini dirilis di bawah lisensi Apache 2.0, muat dalam 24 GB VRAM pada FP8, dan menghadirkan pemanggilan fungsi native, konteks 256 ribu token, serta dukungan multibahasa pada perangkat keras yang tidak mampu menjalankan model lebih besar.

Dikenal untuk

Muat dalam 24 GB VRAM pada FP8; bisa dikurangi kuantisasi untuk perangkat keras lebih terbatas
Pemanggilan fungsi native dan output JSON untuk pipeline agen
Encoder visi menangani analisis gambar bersama teks
Jendela konteks 256 ribu token untuk dokumen panjang
Lisensi Apache 2.0: penggunaan komersial, fine-tuning, dan modifikasi diizinkan

Waspadai

Bobot FP8 hanya tersedia di versi instruksi; model dasar dalam keluarga menggunakan BF16
Kualitas visi menurun pada gambar yang sangat lebar atau sempit — potong mendekati rasio 1:1 sebelum dikirim
Mistral menyarankan suhu di bawah 0,1 untuk produksi; nilai lebih tinggi perlu pengujian hati-hati

Terbaik untuk

Agen dan penggunaan alat

Penglihatan

Multibahasa

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Rencana penggunaan alat agen

Anda memiliki dua alat: search_web(query: str) dan send_email(to: str, subject: str, body: str). Seorang pengguna bertanya: 'Cari CEO Mistral AI saat ini dan kirimkan ringkasan email ke user@example.com.' Tulis urutan panggilan alat yang tepat dengan argumen, dan jelaskan alasan Anda di antara setiap langkah.

Deskripsikan gambar terlampir

Lampirkan foto produk, dokumen, atau adegan apa saja. Jelaskan secara rinci apa yang Anda lihat: identifikasi subjek utama, baca teks yang terlihat, catat warna dan tata letak, serta sarankan dua cara gambar ini bisa digunakan dalam konteks pemasaran.

Klausul kontrak multibahasa

Terjemahkan klausul berikut ke dalam bahasa Prancis, Spanyol, Jerman, dan Jepang, dengan mempertahankan register hukum. Kemudian tandai istilah yang mungkin tidak memiliki padanan hukum langsung dalam salah satu bahasa tersebut dan sarankan alternatif lokal: 'The licensor grants a non-exclusive, royalty-free, worldwide licence to use, reproduce and distribute the software in source or binary form.'

Bandingkan dengan

Mistral Large 4
Model hanya API
konteks 1,048,576 token · $0.68/M input, $2.09/M output
Mistral Medium 3.5
Model hanya API
konteks 262,144 token · $1.50/M input, $7.50/M output
Mistral Large 3 2512
Model hanya API
konteks 262,144 token · $0.50/M input, $1.50/M output
Mistral Large 2407
Model hanya API
konteks 131,072 token · $2.00/M input, $6.00/M output

Model teks lain dari mistralai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Ministral 3 14B secara lokal?: Ya — bobotnya terbuka di bawah lisensi Apache 2.0 dan tersedia di Hugging Face. Model instruksi FP8 muat dalam 24 GB VRAM, dan versi kuantisasi akan berjalan di perangkat dengan VRAM lebih kecil.
Berapa biayanya melalui API dan berapa panjang konteksnya?: Mistral menetapkan harga $0,20 per juta token untuk input dan output, dengan jendela konteks 262.144 token.
Bagaimana perbandingannya dengan Mistral Small 3.2 24B?: Mistral mengatakan performanya sebanding meskipun jumlah parameternya lebih kecil, menjadikan 14B pilihan lebih baik saat Anda perlu membatasi memori atau biaya.

Putusan Kapten
Model edge langka yang serius menangani visi, konteks panjang, dan agen — layak dijalankan secara lokal jika Anda memiliki kartu 24 GB.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Ministral 3 14B 2512 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm mistralai visi agen multibahasa konteks panjang lokal

Jelajahi berdasarkan Keluarga Model