Mistral Small 3
5064°
Esegui questo modello
Offerte / Annunci
Mistral | contesto da 32.768 token | $0.05/M input, $0.08/M output. Mistral Small 3 è un modello linguistico da 24 miliardi di parametri ottimizzato per prestazioni a bassa latenza in compiti comuni di AI. Rilasciato sotto licenza Apache 2.0, dispone di versioni pre-addestrate e istruite progettate per un'efficiente distribuzione locale. Il modello raggiunge l'81% di accuratezza sul benchmark MMLU e compete con modelli più grandi come Llama 3.3 70B e Qwen 32B, operando a una velocità tripla su hardware equivalente. Leggi il post del blog sul modello qui.Opens in new tab
Guide per questo modello
Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna
Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro
Quanta VRAM serve davvero per l'AI locale?
Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)
Note del capitano
Note del 2026-10-13
Mistral Small 3 è un modello open-weights da 24 miliardi di parametri di Mistral AI, costruito per la velocità senza il solito compromesso sulla qualità. Gira su una singola RTX 4090 o un MacBook da 32GB quando quantizzato, e si posiziona competitivamente contro modelli quasi tre volte più grandi. Se vuoi un modello locale capace e anche economico da usare via API, è una delle proposte di valore più oneste nella classe sotto i 70 miliardi.
Conosciuto per
- Gira circa 3 volte più veloce dei rivali da 70B su hardware equivalente.
- Si adatta a una singola GPU consumer o MacBook una volta quantizzato.
- Chiamata nativa di funzioni e output JSON per pipeline agentiche.
- Multilingue in più di una dozzina di lingue, inclusi CJK ed europee.
- Licenza Apache 2.0: uso commerciale, fine-tuning e ridistribuzione permessi.
Attenzione a
- La finestra di contesto è di 32k token — adeguata, ma non un modello a lungo contesto.
- Llama 3.3 70B e Qwen 2.5 32B lo superano in alcuni benchmark pubblici quando la velocità non è vincolo.
- Serve la quantizzazione per raggiungere gli obiettivi single-GPU; la precisione piena richiede più risorse.
Prompt da provare
Compito agente con chiamata di funzione
Hai due strumenti: get_weather(city: str) e send_email(to: str, subject: str, body: str). Un utente dice: 'Controlla il meteo a Tokyo e mandami una mail a user@example.com con un breve riassunto.' Scrivi la sequenza di chiamate agli strumenti in JSON, poi scrivi il corpo della mail che invieresti.
Riassunto multilingue
Riassumi il seguente paragrafo in inglese, poi in francese, poi in giapponese. Mantieni ogni riassunto in due frasi. Paragrafo: 'La capacità di energia rinnovabile a livello mondiale è cresciuta lo scorso anno di un record, trainata in gran parte dalle installazioni solari in Asia ed Europa. Gli analisti dicono che il ritmo deve raddoppiare di nuovo entro il 2030 per raggiungere gli obiettivi climatici, ma gli investimenti nelle infrastrutture di rete non sono stati all’altezza.'
Ragionamento sotto vincoli
Un contadino ha 17 pecore. Tutte tranne 9 muoiono. Quante ne rimangono? Ora spiega, passo passo, perché la risposta ovvia ma sbagliata è errata e quale trucco linguistico fa fraintendere il problema. Poi scrivi una versione più difficile dello stesso trucco per testare un collega.
Confronta con
- Mistral NemoModello con pesi apertiContesto di 131,072 token · Input $0.03/M, output $0.03/M
- Mistral Small 3.2 24B Instruct 2506Modello con pesi apertiContesto di 128,000 token · Input $0.07/M, output $0.20/M
- Ministral 3 3B 2512Modello con pesi apertiContesto di 131,072 token · Input $0.10/M, output $0.10/M
- Voxtral Small 24B 2507Modello con pesi apertiContesto di 32,768 token · Input $0.10/M, output $0.30/M
Altri modelli di testo da mistralai
Domande frequenti
- Posso eseguire Mistral Small 3 localmente?
- Sì — i pesi sono aperti sotto licenza Apache 2.0, e Mistral AI dice che il modello si adatta a una singola RTX 4090 o a un MacBook con 32GB di RAM una volta quantizzato. Puoi trovare i pesi su Hugging Face in mistralai/Mistral-Small-24B-Instruct-2501.
- Quanto costa Mistral Small 3 via API e qual è la finestra di contesto?
- Il prezzo è $0,05 per milione di token in input e $0,08 per milione di token in output, con una finestra di contesto di 32.768 token.
- Come si confronta Mistral Small 3 con Llama 3.3 70B?
- Mistral Small 3 gira circa tre volte più veloce su hardware equivalente e si difende bene in diversi benchmark, anche se Llama 3.3 70B ottiene punteggi più alti in alcune valutazioni pubbliche di ragionamento e coding dove conta più la capacità grezza che la latenza.
Verdetto del capitanoUn modello piccolo davvero utile: aperto, economico, veloce e abbastanza onesto sui suoi limiti da non farti sentire ingannato quando un 70B lo supera.
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.
Come si calcola questo punteggio
Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.
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.
Mistral Small 3 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.
Sfoglia per famiglia di modelli
Modelli Text / LLM
434
Modelli Anima
528
Modelli Chroma
19
Modelli Fibo
2
Modelli Flux
1,496
Modelli Flux 2 / Klein
1,239
Modelli Flux 3
3
Modelli Moss
3
Modelli Iris
1
Modelli MiniMax H3
364
Modelli Hunyuan
204
Modelli Ideogram
20
Modelli Krea2
717
Modelli Qwen
20
Modelli Qwen2
47
Modelli Ltx2
153