Czy mogę uruchomić Ministral 3 14B lokalnie?

Tak — wagi są otwarte na licencji Apache 2.0 i dostępne na Hugging Face. Model FP8 instruct mieści się w 24 GB VRAM, a wersje kwantyzowane działają na mniejszej pamięci.

Ile to kosztuje przez API i jak długi jest kontekst?

Mistral wycenia to na 0,20 USD za milion tokenów zarówno wejściowych, jak i wyjściowych, z oknem kontekstu 262 144 tokenów.

Jak wypada w porównaniu do Mistral Small 3.2 24B?

Mistral twierdzi, że wydajność jest porównywalna mimo mniejszej liczby parametrów, co czyni 14B lepszym wyborem, gdy trzeba zmieścić się w ograniczeniach pamięci lub kosztów.

Ministral 3 14B 2512

5506°

#llm #mistralai #wizja #agenci #wielojęzyczny #długi kontekst

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

Mistral | 262,144 token context | $0.20/M input, $0.20/M output. Największy model z rodziny Ministral 3, Ministral 3 14B oferuje możliwości na granicy technologii i wydajność porównywalną do większego odpowiednika Mistral Small 3.2 24B. Potężny i wydajny model językowy z możliwościami wizji.

Poradniki do tego modelu

Ollama vs LM Studio (2026): którą lokalną aplikację AI wybrać i które topowe modele obsługuje każda z nich

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Ministral 3 14B 2512 to największy model edge-optimised Mistral, łączący 13,5-miliardowy model językowy z 0,4-miliardowym enkoderem wizji, oferując wydajność, którą Mistral porównuje do swojego Mistral Small 3.2 24B. Udostępniany na licencji Apache 2.0, mieści się w 24 GB VRAM przy FP8 i oferuje natywne wywoływanie funkcji, kontekst 256 tys. tokenów oraz wsparcie wielojęzyczne na sprzęcie, który nie poradziłby sobie z większymi modelami.

Znany z

Mieści się w 24 GB VRAM przy FP8; można dalej kwantyzować dla jeszcze słabszego sprzętu
Natywne wywoływanie funkcji i wyjście JSON dla pipeline’ów agentów
Enkoder wizji obsługuje analizę obrazów wraz z tekstem
Okno kontekstu 256 tys. tokenów do długich dokumentów
Licencja Apache 2.0: dozwolone użycie komercyjne, dostrajanie, modyfikacje

Uważaj na

Wagi FP8 tylko w wersji instruct; modele bazowe w rodzinie używają BF16
Jakość wizji pogarsza się przy bardzo szerokich lub wąskich obrazach — przycinaj do proporcji bliskiej 1:1 przed wysłaniem
Mistral zaleca temperaturę poniżej 0,1 do produkcji; wyższe wartości wymagają ostrożnych testów

Najlepszy do

Agenci i użycie narzędzi

Podpowiedzi do wypróbowania

Plan użycia narzędzi agentowych

Masz dwa narzędzia: search_web(query: str) i send_email(to: str, subject: str, body: str). Użytkownik pyta: 'Znajdź obecnego CEO Mistral AI i wyślij mi podsumowanie na user@example.com.' Napisz dokładną sekwencję wywołań narzędzi z argumentami i wyjaśnij swoje rozumowanie między krokami.

Opisz dołączony obraz

Dołącz zdjęcie dowolnego produktu, dokumentu lub sceny. Opisz szczegółowo, co widzisz: zidentyfikuj główny temat, odczytaj widoczny tekst, zanotuj kolory i układ oraz zaproponuj dwa sposoby wykorzystania tego obrazu w marketingu.

Wielojęzyczny zapis umowy

Przetłumacz następujący zapis umowy na francuski, hiszpański, niemiecki i japoński, zachowując formalny rejestr prawny. Następnie zaznacz wszelkie terminy, które mogą nie mieć bezpośredniego odpowiednika prawnego w tych językach i zaproponuj lokalne alternatywy: 'The licensor grants a non-exclusive, royalty-free, worldwide licence to use, reproduce and distribute the software in source or binary form.'

Porównaj z

Mistral Large 4
Model tylko z API
Kontekst 1,048,576 tokenów · $0.68/M wejście, $2.09/M wyjście
Mistral Medium 3.5
Model tylko z API
Kontekst 262,144 tokenów · $1.50/M wejście, $7.50/M wyjście
Mistral Large 3 2512
Model tylko z API
Kontekst 262,144 tokenów · $0.50/M wejście, $1.50/M wyjście
Mistral Large 2407
Model tylko z API
Kontekst 131,072 tokenów · $2.00/M wejście, $6.00/M wyjście

Więcej modeli tekstowych od mistralai

Pytania, które ludzie zadają

Czy mogę uruchomić Ministral 3 14B lokalnie?: Tak — wagi są otwarte na licencji Apache 2.0 i dostępne na Hugging Face. Model FP8 instruct mieści się w 24 GB VRAM, a wersje kwantyzowane działają na mniejszej pamięci.
Ile to kosztuje przez API i jak długi jest kontekst?: Mistral wycenia to na 0,20 USD za milion tokenów zarówno wejściowych, jak i wyjściowych, z oknem kontekstu 262 144 tokenów.
Jak wypada w porównaniu do Mistral Small 3.2 24B?: Mistral twierdzi, że wydajność jest porównywalna mimo mniejszej liczby parametrów, co czyni 14B lepszym wyborem, gdy trzeba zmieścić się w ograniczeniach pamięci lub kosztów.

Wyrok kapitana
Rzadki model edge, który poważnie traktuje wizję, długi kontekst i agentów — warto uruchomić lokalnie, jeśli masz kartę 24 GB.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

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

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

TEXT / LLM

Llama 3.1 8B Instruct

Modele AI do generowania obrazów, wideo i tekstu

Ministral 3 14B 2512 to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm mistralai wizja agenci wielojęzyczny długi kontekst lokalny

Przeglądaj według rodziny modeli