Posso eseguire Mistral Nemo localmente?

Sì. I pesi sono aperti sotto Apache 2.0 e disponibili su mistralai/Mistral-Nemo-Instruct-2407 su Hugging Face. Mistral AI supporta l'esecuzione tramite mistral_inference, Hugging Face Transformers o NVIDIA NeMo.

Quanto costa Mistral Nemo via API e qual è il limite di contesto?

Il prezzo API è $0,03 per milione di token sia in input che in output, e la finestra di contesto è di 128k token.

In cosa si differenzia Mistral Nemo da Mistral 7B?

Nemo è più grande con 12B parametri, ha una finestra di contesto molto più ampia da 128k token contro quella più corta del 7B, aggiunge un training multilingue più ampio ed è posizionato da Mistral come sostituto diretto del 7B nelle pipeline esistenti.

▲

0.3%

questa settimana

Mistral Nemo

8319°

#llm #mistralai #multilingue #locale #budget #agenti

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Mistral | contesto da 131.072 token | $0.03/M input, $0.03/M output. Modello da 12B parametri con contesto da 128k token costruito da Mistral in collaborazione con NVIDIA. Il modello è multilingue, supportando inglese, francese, tedesco, spagnolo, italiano, portoghese, cinese, giapponese, coreano, arabo e hindi. Supporta function calling ed è rilasciato sotto licenza Apache 2.0.

Guide per questo modello

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Quanta VRAM serve davvero per l'AI locale?

Come Installare Ollama e Usare un'IA Locale (Windows, Mac, Linux)

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Mistral Nemo è un modello da 12 miliardi di parametri costruito congiuntamente da Mistral AI e NVIDIA, con una finestra di contesto da 128k token e copertura multilingue reale in undici lingue. Si colloca in una posizione pratica intermedia: abbastanza piccolo da poter essere eseguito localmente su hardware consumer, abbastanza economico via API da poter essere lasciato in produzione senza preoccupazioni, e sufficientemente capace da sostituire Mistral 7B nella maggior parte delle pipeline. I pesi Apache 2.0 significano che possiedi il deployment.

Conosciuto per

Licenza Apache 2.0: usalo commercialmente, modificalo, eseguilo ovunque.
Finestra di contesto da 128k token a 12B parametri, insolita per questa classe di dimensione.
Supporto per undici lingue con dati di training multilingue dedicati, non solo fine-tuning in inglese.
Function calling integrato, rendendolo pratico per uso di strumenti e pipeline agentiche.
Progettato come upgrade drop-in da Mistral 7B con gli stessi pattern di integrazione.

Attenzione a

I punteggi MMLU multilingue si attestano tra la metà alta dei 50 e i bassi 60; forti per la dimensione, ma non di livello frontier.
A 12B servirà quantizzazione per girare comodamente su GPU con meno di 16 GB di VRAM.

Ideale per

Multilingue

Funziona localmente

Budget

Agenti e uso di strumenti

Contesto lungo

Prompt da provare

Riassunto multilingue di un documento

Il seguente paragrafo è in francese. Riassumilo in inglese in tre punti elenco, poi traduci quei punti in spagnolo e giapponese. "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."

Progettazione schema function-calling

Progetta uno schema JSON di funzione per uno strumento chiamato get_weather. Deve accettare il nome di una città, un codice paese opzionale e un parametro unità che accetta celsius o fahrenheit con celsius come default. Restituisci lo schema nel formato atteso da un'API function-calling, poi mostra un esempio di chiamata per Tokyo in celsius.

Revisione di contratto con contesto lungo

Stai revisionando un contratto software. Identifica clausole che limitano la sublicenza, impongono diritti di audit al licenziante o rinnovano automaticamente il contratto. Per ogni clausola trovata, cita la frase rilevante e spiega in italiano semplice quale obbligo crea per il licenziatario. Se non ne trovi, dillo esplicitamente.

Confronta con

Mistral Large 2407
Modello solo API
Contesto di 131,072 token · Input $2.00/M, output $6.00/M
Mistral Large 4
Modello solo API
Contesto di 1,048,576 token · Input $0.68/M, output $2.09/M
Ministral 3 3B 2512
Modello con pesi aperti
Contesto di 131,072 token · Input $0.10/M, output $0.10/M
Voxtral Small 24B 2507
Modello con pesi aperti
Contesto di 32,768 token · Input $0.10/M, output $0.30/M

Altri modelli di testo da mistralai

Domande frequenti

Posso eseguire Mistral Nemo localmente?: Sì. I pesi sono aperti sotto Apache 2.0 e disponibili su mistralai/Mistral-Nemo-Instruct-2407 su Hugging Face. Mistral AI supporta l'esecuzione tramite mistral_inference, Hugging Face Transformers o NVIDIA NeMo.
Quanto costa Mistral Nemo via API e qual è il limite di contesto?: Il prezzo API è $0,03 per milione di token sia in input che in output, e la finestra di contesto è di 128k token.
In cosa si differenzia Mistral Nemo da Mistral 7B?: Nemo è più grande con 12B parametri, ha una finestra di contesto molto più ampia da 128k token contro quella più corta del 7B, aggiunge un training multilingue più ampio ed è posizionato da Mistral come sostituto diretto del 7B nelle pipeline esistenti.

Verdetto del capitano
Un robusto modello da 12B genuinamente aperto: economico da usare via API, gratuito da distribuire localmente e una delle opzioni multilingue più oneste in questa classe di peso.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Tendenza di popolarità di Mistral Nemo

Punteggio di calore, ultimi 12 mesi

Punteggio di popolarità

8,319°

Questa settimana

▲

0.3%

8,317° allora, 8,319° ora

Questo mese

▲

1.1%

8,314° allora, 8,319° ora

Ultimo anno

▲

25.2%

8,242° allora, 8,319° ora

7,000°

Floor

La scala va da 0° a 9.999°. Tutto ciò che sta sotto 7,000° è riservato ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete. 7,000° è dove iniziano i dati misurati: un modello con dati reali ma quasi nessun download sta al floor, e le misurazioni riempiono i gradi sopra di esso. Il floor non dice nulla sul modello; solo i gradi sopra lo fanno, e sono quelli che distinguono un modello dall'altro.

+1,319°

Token OpenRouter

248,311,320,782 token processati da questo modello tramite OpenRouter negli ultimi 30 giorni, prompt e risposte insieme. Ogni 10,000,000 token conta come un download nel termine di download, 24,831 in totale; i token dell'ultimo giorno contribuiscono al tasso di adozione. Fonte: OpenRouter (openrouter.ai/rankings).

Mostra dettagli

Ogni numero su questo sito può essere verificato. Il punteggio heat di questo modello è 8,319°, ed è costruito un ingrediente alla volta, con il totale progressivo dopo ogni passaggio: il floor, i gradi che ogni fonte aggiunge, il bonus per il tipo di modello e cosa toglie l'età dei suoi pesi. I colori corrispondono alle bande del grafico sopra. Il glossario alla fine definisce ogni termine.

1
Inizia dal floor.
Perché 7,000° e non zero: la scala va da 0° a 9.999°, e la parte sotto 7,000° è riservata ai modelli su cui nessuna fonte ha ancora dati, che hanno un numero provvisorio lì per mantenere le liste complete e non superare mai un modello con dati. 7,000° è dove iniziano i dati misurati. Un modello con dati reali ma quasi nessun download sta qui; tutto ciò che segue è misurazione, e lo spazio sopra il floor contiene dieci passi decuplici nei download a 300° ciascuno. Il floor è uguale per ogni modello, quindi non decide nulla; lo fanno i gradi sopra di esso.
7,000°
totale in corso
2
Aggiungi i download.
24,831 equivalenti di download in totale, da Token OpenRouter. Dieci volte i download aggiungono lo stesso 300°, quindi la dimensione conta ma non domina mai il punteggio.
+1,319°
8,319°
totale in corso
=
Il punteggio heat.
Dove si posiziona questo modello in ogni lista di questo sito. Niente altro lo modifica.
8,319°

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Come si è mosso questo modello rispetto al resto del catalogo: la sua crescita in download, like e utilizzo in ogni periodo, misurata rispetto alla crescita tipica dei modelli nello stesso periodo, con il suo punteggio di popolarità al momento. Sopra la crescita tipica indica un aumento, sotto una diminuzione. Il passato è ricostruito dai totali di oggi, dal primo giorno del modello e dalla sua velocità di download misurata quando ci sono due letture; un modello che non esisteva all'inizio del periodo mostra n/a.

Modelli simili

Modelli di IA per generare immagini, video e testo

Mistral Nemo è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm mistralai multilingue locale budget agenti contesto lungo

Sfoglia per famiglia di modelli