Bolehkah saya jalankan Ministral 3 14B secara tempatan?

Ya — berat model terbuka di bawah Apache 2.0 dan tersedia di Hugging Face. Model arahan FP8 muat dalam 24 GB VRAM, dan versi kuantisasi akan berjalan pada kapasiti lebih rendah.

Berapa kosnya melalui API, dan berapa panjang konteksnya?

Mistral mengenakan harga $0.20 bagi sejuta token untuk input dan output, dengan tetingkap konteks 262,144 token.

Bagaimana ia dibandingkan dengan Mistral Small 3.2 24B?

Mistral berkata prestasi setanding walaupun bilangan parameter lebih kecil, menjadikan 14B pilihan lebih baik apabila anda perlu kekal dalam had memori atau kos yang lebih ketat.

Ministral 3 14B 2512

5506°

#llm #mistralai #penglihatan #ejen #banyak bahasa #konteks panjang

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Mistral | konteks 262,144 token | $0.20/M input, $0.20/M output. Model terbesar dalam keluarga Ministral 3, Ministral 3 14B menawarkan keupayaan frontier dan prestasi yang setanding dengan rakan sejawatnya yang lebih besar Mistral Small 3.2 24B. Model bahasa yang berkuasa dan cekap dengan keupayaan visi.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Ministral 3 14B 2512 adalah model edge-optimised terbesar Mistral, menggabungkan model bahasa 13.5B dengan penyandi visi 0.4B untuk prestasi yang Mistral dakwa setanding dengan Mistral Small 3.2 24B. Ia dihantar di bawah Apache 2.0, muat dalam 24 GB VRAM pada FP8, dan membawa panggilan fungsi asli, konteks 256k token dan sokongan pelbagai bahasa ke perkakasan yang tidak mampu model lebih besar.

Dikenali untuk

Muat dalam 24 GB VRAM pada FP8; kuantisasi lebih lanjut untuk perkakasan lebih ketat
Panggilan fungsi asli dan output JSON untuk saluran agen
Penyandi visi mengendalikan analisis imej bersama teks
Tetingkap konteks 256k token untuk dokumen panjang
Lesen Apache 2.0: guna komersial, tala halus, ubah suai dibenarkan

Berhati-hati dengan

Berat FP8 hanya dalam versi arahan; model asas dalam keluarga guna BF16
Kualiti visi merosot dengan imej sangat lebar atau sempit — potong hampir 1:1 sebelum hantar
Mistral mengesyorkan suhu di bawah 0.1 untuk produksi; nilai lebih tinggi perlu ujian teliti

Terbaik untuk

Ejen dan penggunaan alat

Penglihatan

Banyak bahasa

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Rancangan penggunaan alat agen

Anda mempunyai dua alat: search_web(query: str) dan send_email(to: str, subject: str, body: str). Seorang pengguna bertanya: 'Cari CEO semasa Mistral AI dan hantar saya ringkasan melalui email ke user@example.com.' Tulis urutan tepat panggilan alat yang anda buat, dengan argumen, dan terangkan alasan anda antara setiap langkah.

Huraikan imej yang dilampirkan

Lampirkan foto mana-mana produk, dokumen atau pemandangan. Huraikan apa yang anda lihat secara terperinci: kenal pasti subjek utama, baca sebarang teks yang kelihatan, catat warna dan susun atur, dan cadangkan dua cara imej ini boleh digunakan dalam konteks pemasaran.

Klausa kontrak pelbagai bahasa

Terjemahkan klausa berikut ke dalam Bahasa Perancis, Sepanyol, Jerman dan Jepun, kekalkan gaya bahasa undang-undang. Kemudian tandakan mana-mana istilah yang mungkin tiada padanan undang-undang langsung dalam salah satu bahasa itu dan cadangkan alternatif tempatan: '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 · Input $0.68/M, output $2.09/M
Mistral Medium 3.5
Model hanya API
konteks 262,144 token · Input $1.50/M, output $7.50/M
Mistral Large 3 2512
Model hanya API
konteks 262,144 token · Input $0.50/M, output $1.50/M
Mistral Large 2407
Model hanya API
konteks 131,072 token · Input $2.00/M, output $6.00/M

Lebih banyak model teks dari mistralai

Soalan yang sering ditanya

Bolehkah saya jalankan Ministral 3 14B secara tempatan?: Ya — berat model terbuka di bawah Apache 2.0 dan tersedia di Hugging Face. Model arahan FP8 muat dalam 24 GB VRAM, dan versi kuantisasi akan berjalan pada kapasiti lebih rendah.
Berapa kosnya melalui API, dan berapa panjang konteksnya?: Mistral mengenakan harga $0.20 bagi sejuta token untuk input dan output, dengan tetingkap konteks 262,144 token.
Bagaimana ia dibandingkan dengan Mistral Small 3.2 24B?: Mistral berkata prestasi setanding walaupun bilangan parameter lebih kecil, menjadikan 14B pilihan lebih baik apabila anda perlu kekal dalam had memori atau kos yang lebih ketat.

Keputusan Kapten
Model edge yang jarang yang serius dalam visi, konteks panjang dan agen — berbaloi dijalankan secara tempatan jika anda ada kad 24 GB.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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 dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Llama 3.3 Euryale 70B

TEXT / LLM

GPT 6.1 Sol

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Ministral 3 14B 2512 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm mistralai penglihatan ejen banyak bahasa konteks panjang tempatan

Layari mengikut keluarga model