Pot rula Mistral Nemo local?

Da. Greutățile sunt deschise sub Apache 2.0 și disponibile la mistralai/Mistral-Nemo-Instruct-2407 pe Hugging Face. Mistral AI susține rularea prin mistral_inference, Hugging Face Transformers sau NVIDIA NeMo.

Cât costă Mistral Nemo prin API și care este limita de context?

Prețul API este 0,03 USD per milion de tokeni atât pentru intrare, cât și pentru ieșire, iar fereastra de context este de 128k tokeni.

Cum se diferențiază Mistral Nemo de Mistral 7B?

Nemo este mai mare, cu 12B parametri, are o fereastră de context mult mai mare de 128k față de cea mai scurtă a lui 7B, adaugă antrenament multilingv mai larg și este poziționat de Mistral ca un înlocuitor direct drop-in pentru 7B în fluxurile existente.

▲

0.3%

săptămâna aceasta

Mistral Nemo

8319°

#llm #mistralai #multilingv #local #buget #agenți

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 131.072 tokeni | $0.03/M input, $0.03/M output. Un model de 12B parametri cu lungime de context de 128k tokeni construit de Mistral în colaborare cu NVIDIA. Modelul este multilingv, suportând engleză, franceză, germană, spaniolă, italiană, portugheză, chineză, japoneză, coreeană, arabă și hindi. Suportă apelare de funcții și este lansat sub licența Apache 2.0.

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

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?

Cum să instalezi Ollama și să rulezi un AI local (Windows, Mac, Linux)

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

Mistral Nemo este un model de 12 miliarde de parametri construit în colaborare de Mistral AI și NVIDIA, cu o fereastră de context de 128k tokeni și acoperire multilingvă reală în unsprezece limbi. Se situează în zona practică de mijloc: suficient de mic pentru a rula local pe hardware de consum, suficient de ieftin prin API pentru a fi lăsat în producție fără grija costurilor, și suficient de capabil pentru a înlocui Mistral 7B în majoritatea fluxurilor. Greutățile Apache 2.0 înseamnă că deții implementarea.

Cunoscut pentru

Licență Apache 2.0: folosește-l comercial, modifică-l, rulează-l oriunde.
Fereastră de context de 128k la 12B parametri, neobișnuit de generoasă pentru această clasă de mărime.
Suport pentru unsprezece limbi cu date de antrenament multilingve dedicate, nu doar fine-tuning în engleză.
Apelare de funcții integrată, făcându-l practic pentru utilizarea uneltelor și fluxuri agentice.
Proiectat ca un upgrade drop-in de la Mistral 7B cu aceleași modele de integrare.

Atenție la

Scorurile MMLU multilingve se situează între 58 și 63; puternic pentru mărime, dar nu la nivel de frontieră.
La 12B va necesita cuantizare pentru a rula confortabil pe GPU-uri cu sub 16 GB VRAM.

Cel mai bun pentru

Multilingv

Rulează local

Buget

Agenți și utilizare unelte

Context lung

Sugestii de încercat

Rezumat multilingv de document

Paragraful următor este în franceză. Rezumă-l în engleză în trei puncte, apoi traduce acele puncte în spaniolă și japoneză. "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."

Proiectare schemă pentru apelare funcții

Proiectează o schemă JSON pentru o funcție numită get_weather. Ar trebui să accepte un nume de oraș, un cod de țară opțional și un parametru unitate care acceptă fie celsius, fie fahrenheit, cu celsius ca implicit. Returnează schema în formatul așteptat de un API de apelare a funcțiilor, apoi arată un exemplu de apel pentru Tokyo în celsius.

Revizuire contract cu context lung

Revizuiești un acord de licență software. Identifică orice clauze care restricționează sublicențierea, impun drepturi de audit asupra licențiatorului sau reînnoiesc automat contractul. Pentru fiecare clauză găsită, citează fraza relevantă și explică în termeni simpli ce obligație creează pentru licențiat. Dacă nu găsești niciuna, spune explicit.

Compară cu

Mistral Large 2407
Model doar API
context de 131,072 tokeni · $2.00/M intrare, $6.00/M ieșire
Mistral Large 4
Model doar API
context de 1,048,576 tokeni · $0.68/M intrare, $2.09/M ieșire
Ministral 3 3B 2512
Model cu greutăți deschise
context de 131,072 tokeni · $0.10/M intrare, $0.10/M ieșire
Voxtral Small 24B 2507
Model cu greutăți deschise
context de 32,768 tokeni · $0.10/M intrare, $0.30/M ieșire

Mai multe modele text de la mistralai

Întrebări frecvente

Pot rula Mistral Nemo local?: Da. Greutățile sunt deschise sub Apache 2.0 și disponibile la mistralai/Mistral-Nemo-Instruct-2407 pe Hugging Face. Mistral AI susține rularea prin mistral_inference, Hugging Face Transformers sau NVIDIA NeMo.
Cât costă Mistral Nemo prin API și care este limita de context?: Prețul API este 0,03 USD per milion de tokeni atât pentru intrare, cât și pentru ieșire, iar fereastra de context este de 128k tokeni.
Cum se diferențiază Mistral Nemo de Mistral 7B?: Nemo este mai mare, cu 12B parametri, are o fereastră de context mult mai mare de 128k față de cea mai scurtă a lui 7B, adaugă antrenament multilingv mai larg și este poziționat de Mistral ca un înlocuitor direct drop-in pentru 7B în fluxurile existente.

Verdictul căpitanului
Un cal de muncă rezonabil, cu adevărat deschis, de 12B: ieftin de rulat prin API, gratuit pentru implementare locală și una dintre opțiunile multilingve mai oneste din această clasă de greutate.

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

Also ranked: #63 Hottest Text / LLM model · #63 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendința de popularitate a Mistral Nemo

Scor de căldură, ultimele 12 luni

Scor de popularitate

8,319°

Săptămâna aceasta

▲

0.3%

8,317° atunci, 8,319° acum

Luna aceasta

▲

1.1%

8,314° atunci, 8,319° acum

Ultimul an

▲

25.2%

8,242° atunci, 8,319° acum

7,000°

Prag minim

Scara merge de la 0° la 9.999°. Tot ce este sub 7,000° este rezervat pentru modelele despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete. 7,000° este punctul de start pentru datele măsurate: un model cu date reale, dar aproape fără descărcări, stă la prag, iar măsurătorile umplu gradele de deasupra. Pragul nu spune nimic despre model; doar gradele de deasupra îl diferențiază de alte modele.

+1,319°

Tokeni OpenRouter

248,311,320,782 tokeni procesați de acest model prin OpenRouter în ultimele 30 de zile, împreună cu prompturile și răspunsurile. Fiecare 10,000,000 tokeni contează ca un download în termenul de descărcări, 24,831 în total; tokenii ultimei zile se adaugă la rata de adoptare. Sursa: OpenRouter (openrouter.ai/rankings).

Arată detalii

Fiecare număr de pe acest site poate fi verificat. Scorul de popularitate al acestui model este 8,319°, iar aici este construit pas cu pas, cu totalul acumulat după fiecare ingredient: pragul minim, gradele adăugate de fiecare sursă, bonusul pentru tipul modelului și ce scade vârsta greutăților. Culorile sunt benzile din graficul de mai sus. Glosarul de la final definește fiecare termen.

1
Începe de la prag.
De ce 7,000° și nu zero: scara merge de la 0° la 9.999°, iar partea de sub 7,000° este rezervată modelelor despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete și să nu depășească niciodată un model cu date. 7,000° este punctul de start pentru datele măsurate. Un model cu date reale, dar aproape fără descărcări, stă aici; tot ce urmează este măsurare, iar spațiul de deasupra pragului conține zece pași de zece ori mai multe descărcări, fiecare la 300°. Pragul este același pentru toate modelele, deci nu decide nimic; gradele de deasupra fac diferența.
7,000°
total curent
2
Adaugă descărcările.
24,831 echivalente de descărcări în total, de la Tokeni OpenRouter. De zece ori descărcările adaugă același 300°, deci mărimea contează, dar nu domină scorul.
+1,319°
8,319°
total curent
=
Scorul de căldură.
Unde se situează acest model pe fiecare listă de pe site. Nimic altceva nu îl ajustează.
8,319°

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.

Cum s-a schimbat popularitatea acestui model față de restul catalogului: creșterea lui în descărcări, aprecieri și utilizare în fiecare perioadă, comparată cu creșterea tipică a unui model în aceeași perioadă, plus scorul său de căldură la momentul respectiv. Dacă e peste creșterea tipică, înseamnă că a crescut, dacă e sub, a scăzut. Istoricul se reconstruiește din totalurile de azi, prima zi a modelului și viteza lui de descărcare măsurată când sunt două citiri; un model care nu exista la începutul perioadei arată n/a.

Modele similare

Modele AI pentru generare de imagini, video și text

Mistral Nemo 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 multilingv local buget agenți context lung

Răsfoiește după familia de modele