Pot rula Ministral 3 14B local?

Da — greutățile sunt deschise sub Apache 2.0 și disponibile pe Hugging Face. Modelul instruct FP8 încap în 24 GB VRAM, iar versiunile cuantizate vor rula pe mai puțin.

Cât costă prin API și cât de lung este contextul?

Mistral îl prețuiește la 0,20 USD per milion tokeni pentru input și output, cu o fereastră de context de 262.144 tokeni.

Cum se compară cu Mistral Small 3.2 24B?

Mistral spune că performanța este comparabilă în ciuda numărului mai mic de parametri, făcând 14B o alegere mai bună când trebuie să rămâi în limite mai stricte de memorie sau cost.

Ministral 3 14B 2512

5506°

#llm #mistralai #viziune #agenți #multilingv #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

Mistral | context de 262.144 tokeni | $0.20/M input, $0.20/M output. Cel mai mare model din familia Ministral 3, Ministral 3 14B oferă capabilități de frontieră și performanțe comparabile cu omologul său mai mare Mistral Small 3.2 24B. Un model de limbaj puternic și eficient cu capabilități vizuale.

Ghiduri pentru acest model

Ollama vs LM Studio (2026): ce aplicație AI locală să folosești și ce modele de top rulează fiecare

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Ministral 3 14B 2512 este cel mai mare model edge-optimised al Mistral, combinând un model lingvistic de 13,5 miliarde cu un encoder vizual de 0,4 miliarde pentru a oferi performanțe pe care Mistral le consideră comparabile cu Mistral Small 3.2 24B. Este lansat sub Apache 2.0, încap în 24 GB VRAM la FP8 și aduce apelare nativă a funcțiilor, context de 256k tokeni și suport multilingv pe hardware care ar fi depășit de modele mai mari.

Cunoscut pentru

Încap în 24 GB VRAM la FP8; se poate cuantiza suplimentar pentru hardware mai restrâns
Apelare nativă a funcțiilor și output JSON pentru pipeline-uri agentice
Encoder vizual care analizează imagini alături de text
Fereastră de context de 256k tokeni pentru documente lungi
Licență Apache 2.0: utilizare comercială, fine-tuning, modificare permise

Atenție la

Greutățile FP8 doar în versiunea instruct; modelele de bază folosesc BF16
Calitatea viziunii scade la imagini foarte late sau foarte înguste — decupează aproape 1:1 înainte de trimitere
Mistral recomandă temperatură sub 0,1 pentru producție; valori mai mari necesită testare atentă

Cel mai bun pentru

Agenți și utilizare unelte

Sugestii de încercat

Plan de utilizare agentică a uneltelor

Ai două unelte: search_web(query: str) și send_email(to: str, subject: str, body: str). Un utilizator întreabă: „Găsește CEO-ul actual al Mistral AI și trimite-mi un email sumar la user@example.com.” Scrie secvența exactă de apeluri de unelte pe care le-ai face, cu argumente, și explică-ți raționamentul între fiecare pas.

Descrie o imagine atașată

Atașează o fotografie a oricărui produs, document sau scenă. Descrie în detaliu ce vezi: identifică subiectul principal, citește orice text vizibil, notează culorile și layout-ul și sugerează două moduri în care această imagine ar putea fi folosită în marketing.

Clauză contractuală multilingvă

Tradu următoarea clauză în franceză, spaniolă, germană și japoneză, păstrând registrul legal intact. Apoi semnalează orice termen care ar putea să nu aibă un echivalent legal direct într-una dintre aceste limbi și sugerează o alternativă locală: „Licențiatorul acordă o licență neexclusivă, fără redevențe, la nivel mondial pentru utilizarea, reproducerea și distribuirea software-ului în formă sursă sau binară.”

Compară cu

Mistral Large 4
Model doar API
context de 1,048,576 tokeni · $0.68/M intrare, $2.09/M ieșire
Mistral Medium 3.5
Model doar API
context de 262,144 tokeni · $1.50/M intrare, $7.50/M ieșire
Mistral Large 3 2512
Model doar API
context de 262,144 tokeni · $0.50/M intrare, $1.50/M ieșire
Mistral Large 2407
Model doar API
context de 131,072 tokeni · $2.00/M intrare, $6.00/M ieșire

Mai multe modele text de la mistralai

Întrebări frecvente

Pot rula Ministral 3 14B local?: Da — greutățile sunt deschise sub Apache 2.0 și disponibile pe Hugging Face. Modelul instruct FP8 încap în 24 GB VRAM, iar versiunile cuantizate vor rula pe mai puțin.
Cât costă prin API și cât de lung este contextul?: Mistral îl prețuiește la 0,20 USD per milion tokeni pentru input și output, cu o fereastră de context de 262.144 tokeni.
Cum se compară cu Mistral Small 3.2 24B?: Mistral spune că performanța este comparabilă în ciuda numărului mai mic de parametri, făcând 14B o alegere mai bună când trebuie să rămâi în limite mai stricte de memorie sau cost.

Verdictul căpitanului
Un model edge rar care ia în serios viziunea, contextul lung și agenții — merită rulat local dacă ai un card de 24 GB.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

UI TARS 7B

TEXT / LLM

Gemini 2.5 Pro Preview 06 05

TEXT / LLM

Qwen2.5 VL 72B Instruct

TEXT / LLM

Perceptron Mk1.5

TEXT / LLM

Modele AI pentru generare de imagini, video și text

Ministral 3 14B 2512 este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm mistralai viziune agenți multilingv context lung local

Răsfoiește după familia de modele