Ministral 3 3B 2512
5960°
รันโมเดลนี้
ข้อเสนอ / โฆษณา
Mistral | 131,072 token context | $0.10/M input, $0.10/M output. โมเดลขนาดเล็กที่สุดในตระกูล Ministral 3, Ministral 3 3B เป็นโมเดลภาษาเล็กที่ทรงพลังและมีประสิทธิภาพพร้อมความสามารถด้านวิชัน
คู่มือสำหรับโมเดลนี้
Ollama กับ LM Studio (2026): แอป AI ท้องถิ่นตัวไหนใช้ดี และแต่ละตัวรันโมเดลชั้นนำอะไรได้บ้าง
ฉันต้องการ VRAM เท่าไหร่สำหรับ AI ท้องถิ่นจริงๆ?
ไฟล์ GGUF คืออะไร? อธิบายโมเดลควอนไทซ์ (Q4, Q8, fp8, NF4)
บันทึกของกัปตัน
บันทึกจาก 2026-10-13
Ministral 3 3B คือโมเดล Ministral 3 ขนาดเล็กที่สุดของ Mistral เป็นโมเดลสั่งงานขนาด 3.4 พันล้านพารามิเตอร์ที่มีตัวเข้ารหัสภาพในตัวขนาด 0.4 พันล้านพารามิเตอร์ รันใน VRAM 8 GB ด้วย FP8 เหมาะสำหรับฮาร์ดแวร์ขอบเขต และรองรับงานภาพ การเรียกฟังก์ชัน และภาษากว่าโหลในราคาที่คุ้มค่า หากคุณต้องการโมเดลเล็กที่มีความสามารถและติดตั้งในเครื่องหรือใช้งานผ่าน API ราคาถูก นี่คือทางเลือกที่จริงจัง
เป็นที่รู้จักสำหรับ
- รันใน VRAM 8 GB ด้วย FP8; ใช้งานในเครื่องบนฮาร์ดแวร์ผู้บริโภคทั่วไปได้
- มีตัวเข้ารหัสภาพในตัว: วิเคราะห์ภาพควบคู่กับข้อความ
- รองรับการเรียกฟังก์ชันและผลลัพธ์ JSON สำหรับระบบอัตโนมัติ
- รองรับหลายภาษา เช่น อังกฤษ ฝรั่งเศส สเปน เยอรมัน จีน ญี่ปุ่น เกาหลี อาหรับ และอื่นๆ
- ไลเซนส์ Apache 2.0: อนุญาตใช้เชิงพาณิชย์และแก้ไขได้
ระวัง
- เป็นโมเดลขนาด 3B; การให้เหตุผลซับซ้อนและการเขียนยาวจะมีข้อจำกัดเร็วกว่ารุ่นใหญ่
- งานภาพทำงานดีที่สุดกับภาพที่เกือบเป็นสี่เหลี่ยมจัตุรัส; ภาพกว้างหรือแคบมากจะลดประสิทธิภาพ
- Mistral แนะนำให้ใช้ค่า temperature ต่ำกว่า 0.1 สำหรับงานจริง ดังนั้นงานสร้างสรรค์ต้องปรับแต่งอย่างตั้งใจ
คำสั่งที่ควรลอง
ดึงข้อมูลโครงสร้างจากข้อความ
อ่านข้อความใบแจ้งหนี้ต่อไปนี้และคืนค่าเป็นวัตถุ JSON ที่มีฟิลด์: vendor_name, invoice_date, total_amount, line_items (อาร์เรย์ของคำอธิบายและจำนวนเงิน) ใบแจ้งหนี้: 'Acme Supplies, 14 Nov 2025. Widget A x3 @ $12.00 each. Shipping $5.00. Total $41.00.'
บรรยายและจัดประเภทภาพ
ดูภาพที่ฉันแนบมา ระบุหัวข้อหลัก อธิบายสิ่งที่เกิดขึ้น ระบุข้อความที่เห็น และจัดประเภทภาพเป็นหนึ่งในหมวดหมู่เหล่านี้: รูปสินค้า, เอกสาร, ภาพกลางแจ้ง, ภาพในร่ม, แผนภาพ จำกัดคำตอบไม่เกิน 150 คำ
สร้างแผนการเรียกเครื่องมืออย่างง่าย
คุณมีเครื่องมือสองอย่าง: get_weather(city: string) และ send_email(to: string, subject: string, body: string) ผู้ใช้บอกว่า: 'ส่งอีเมลถึง sarah@example.com แจ้งสภาพอากาศปัจจุบันที่โตเกียว' เขียนลำดับการเรียกเครื่องมือในรูปแบบ JSON เพื่อทำคำขอนี้ให้เสร็จ
เปรียบเทียบกับ
- Mistral Nemoโมเดลที่เปิดน้ำหนักบริบท 131,072 โทเค็น · ป้อน $0.03/M, ส่งออก $0.03/M
- Mistral Large 4โมเดลสำหรับ API เท่านั้นบริบท 1,048,576 โทเค็น · ป้อน $0.68/M, ส่งออก $2.09/M
- Mistral Small 3.2 24B Instruct 2506โมเดลที่เปิดน้ำหนักบริบท 128,000 โทเค็น · ป้อน $0.07/M, ส่งออก $0.20/M
- Voxtral Small 24B 2507โมเดลที่เปิดน้ำหนักบริบท 32,768 โทเค็น · ป้อน $0.10/M, ส่งออก $0.30/M
โมเดลข้อความเพิ่มเติมจาก mistralai
คำถามที่คนถาม
- ฉันสามารถรัน Ministral 3 3B ในเครื่องได้ไหม?
- ได้ น้ำหนักเปิดภายใต้ไลเซนส์ Apache 2.0 และโมเดลรันใน VRAM 8 GB ด้วย FP8; ถ้าควอนไทซ์เพิ่มจะใช้ VRAM น้อยลง ทำให้ใช้งานได้บน GPU ผู้บริโภคทั่วไปหลากหลายรุ่น
- ค่าใช้จ่ายเท่าไหร่และบริบทยาวแค่ไหน?
- ผ่าน API ราคา $0.10 ต่อหนึ่งล้านโทเค็นทั้งอินพุตและเอาต์พุต หน้าต่างบริบทตามการ์ดโมเดลคือ 256,000 โทเค็น แต่ในรายการ API แสดง 131,072 โทเค็น
- โมเดลนี้ต่างจาก Ministral 3 รุ่นใหญ่ยังไง?
- นี่คือโมเดลขนาดเล็กที่สุดในตระกูล Ministral 3 ออกแบบมาเพื่อการติดตั้งในเครื่องและใช้งานทรัพยากรต่ำ คุณแลกความสามารถดิบกับโมเดลที่ราคาถูกและรันบนฮาร์ดแวร์ทั่วไปได้
คำตัดสินของกัปตันโมเดลเล็กที่มีประโยชน์จริง: งานภาพ, การเรียกฟังก์ชัน, รองรับหลายภาษา, ไลเซนส์ Apache 2.0 และราคาถูกพอที่จะเปิดใช้งานบนฮาร์ดแวร์ขอบเขตโดยไม่เสียดาย
บัตรโมเดลบน Hugging Face
กัปตันเขียนบันทึกเหล่านี้จากคำอธิบายและบัตรโมเดลของโมเดล ราคากับขนาดบริบทเป็นของผู้ให้บริการในเวลาที่เขียนและอาจเปลี่ยนแปลงได้
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.
คะแนนนี้ถูกคำนวณอย่างไร
โมเดลนี้ยังไม่มีข้อมูลความนิยมจากแหล่งใดเลย จึงใช้ตัวเลขแทนที่ต่ำกว่า 7,000° เพื่อให้รายการครบถ้วน มันจะไม่ติดอันดับเหนือโมเดลที่มีข้อมูล การแยกส่วนจะแสดงที่นี่ทันทีที่มีแหล่งข้อมูลรายงาน
คำศัพท์: คำที่ใช้ที่นี่
- คะแนนความร้อน
- ตัวเลขเดียวที่บอกว่าโมเดลถูกใช้และต้องการมากแค่ไหนตอนนี้ ตั้งแต่ 0° ถึง 9,999° ทุกลิสต์ที่บอกว่าร้อนแรงที่สุดจะเรียงตามคะแนนนี้เท่านั้น
- พื้นฐาน
- 7,000° คือจุดเริ่มต้นของทุกโมเดลที่มีข้อมูลจริง สเกลตั้งแต่ 0° ถึง 9,999° ส่วนที่ต่ำกว่าพื้นฐานสงวนไว้สำหรับตัวแทน (โมเดลที่ไม่มีข้อมูล) เพื่อให้โมเดลที่มีข้อมูลอยู่เหนือกว่า พื้นฐานเหมือนกันสำหรับทุกคนและไม่ตัดสินอะไร คะแนนที่สูงกว่าพื้นฐานคือการวัดผล
- เทียบเท่าการดาวน์โหลด
- ทุกอย่างที่คะแนนนับเป็นการดาวน์โหลด รวมกัน: การดาวน์โหลดจริง, ผู้แชร์แต่ละคนในทอร์เรนต์นับเป็น 1,000, ภาพ AI Horde แต่ละภาพ และแต่ละครั้งที่ใช้งานในเว็บไซต์สร้างภาพ
- สเกลลอการิทึม
- นับเป็นสิบ ไม่ใช่หน่วยเดียว: การเพิ่มจาก 1,000 เป็น 10,000 การดาวน์โหลดจะเพิ่มคะแนนเท่ากับการเพิ่มจาก 10,000 เป็น 100,000 เพื่อไม่ให้โมเดลใหญ่แย่งพื้นที่ทั้งหมด
- ไลก์
- การกดถูกใจและไลก์จากทุกแหล่ง มีค่าน้ำหนักครึ่งหนึ่งของการดาวน์โหลดในสเกลลอการิทึม
- อัตราการนำไปใช้
- จำนวนการดาวน์โหลดต่อวันที่โมเดลได้รับตอนนี้ วัดจากความต่างระหว่างสองครั้งที่อ่านข้อมูล น้ำหนักเป็นหนึ่งในสี่ของการดาวน์โหลด
- วัดได้และประมาณ
- วัดได้หมายถึงมีการอ่านค่าจากแหล่งที่มาสองครั้งและความแตกต่างนั้นเป็นของจริง ประมาณหมายถึงรู้แค่ยอดรวมของวันนี้เท่านั้น ส่วนอดีตจะถูกกระจายไปตามอายุของโมเดล; เว็บไซต์จะบอกว่ากำลังแสดงแบบไหน
- Seeder
- คนที่เก็บสำเนาน้ำหนักไว้บนออนไลน์เพื่อให้คนอื่นดาวน์โหลดผ่านทอร์เรนต์ หรือกระจกที่โฮสต์ทำแบบเดียวกัน แต่ละคนจะนับเป็น 1,000 ดาวน์โหลด
- AI Horde
- เครือข่ายอาสาสมัครที่สร้างภาพฟรีบนคอมพิวเตอร์ที่บริจาค จำนวนภาพที่สร้างด้วยโมเดลแต่ละตัวเป็นข้อมูลสาธารณะ และแต่ละภาพนับเป็นหนึ่งดาวน์โหลด
- เว็บไซต์สร้างภาพ
- เว็บไซต์ที่โฮสต์สำเนาโมเดลของตัวเองและให้คนสร้างภาพ เช่น PixAI, SeaArt และ Yodayo การดาวน์โหลดของพวกเขานับเหมือนกับ Civitai และแต่ละการสร้างภาพนับเป็นหนึ่งดาวน์โหลด
- โทเค็น OpenRouter
- โมเดลข้อความที่ให้บริการผ่าน API เช่น Claude หรือ GPT ไม่มีน้ำหนักให้ดาวน์โหลด ดังนั้นการใช้งานจะวัดจากโทเค็น: ชิ้นส่วนข้อความที่อ่านและเขียนผ่าน OpenRouter ซึ่งเป็นเกตเวย์ที่แอปหลายตัวใช้ใน 30 วันที่ผ่านมา ทุก 10,000,000 โทเค็นนับเป็นการดาวน์โหลดหนึ่งครั้ง แหล่งข้อมูล: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- โมเดลเต็ม (checkpoint)
- น้ำหนักโมเดลเอง ไฟล์ที่สร้างภาพได้ด้วยตัวเอง ได้รับโบนัสเพราะส่วนเสริมขึ้นอยู่กับมัน
- LoRA และ embedding
- ไฟล์เสริมขนาดเล็กที่ช่วยปรับน้ำหนักของคนอื่นให้ไปในสไตล์ ตัวละคร หรือแนวคิดเฉพาะ มันไม่สามารถทำงานได้เอง
- ตระกูลและน้ำหนัก
- ฐานที่โมเดลสร้างขึ้น เช่น SD 1.5, SDXL, Flux หรือ Wan โมเดลทุกตัวจะสืบทอดวันที่ปล่อยน้ำหนักของตระกูล
- อายุ
- ลดคะแนนตามระยะเวลาที่น้ำหนักของตระกูลถูกปล่อยออกมา: 150° ต่อปี สูงสุด 750° มันเก็บดาวน์โหลดเก่าที่สะสมมาหลายปีจากการแช่แข็งบนสุดของรายการ
- บูสต์ตระกูล
- แรงกระตุ้นเล็กๆ ที่จำกัดสำหรับ LoRA ของตระกูลที่เว็บไซต์นี้กำลังผลักดันอยู่ตอนนี้ จะแสดงในรายละเอียดเสมอ
- คะแนนสำรอง
- ตัวเลขที่มั่นคงต่ำกว่าค่าขั้นต่ำที่ให้กับโมเดลที่ยังไม่มีรายงานแหล่งที่มา เพื่อให้รายการครบถ้วน มันจะไม่จัดอันดับสูงกว่าโมเดลที่มีข้อมูล
- ใหม่! (ช่วงเวลาปลอดภัย)
- โมเดลที่มีอายุน้อยกว่า 7 วันจะแสดงคำว่า ใหม่! แทนคะแนนและจะไม่มีอันดับ โมเดลจะเริ่มคำนวณคะแนนตั้งแต่วันแรก แต่โมเดลที่อายุเพียงวันเดียวจะเติบโตเร็วที่สุด ดังนั้นถ้าไม่รอ โมเดลอันดับ #1 ของสัปดาห์จะเป็นโมเดลที่เพิ่งออกมาเมื่อวานแทนที่จะเป็นโมเดลที่อยู่ได้นานหนึ่งสัปดาห์
- แนวโน้ม
- การเติบโตของโมเดลในช่วงเวลาหนึ่งเทียบกับการเติบโตของโมเดลทั่วไปในช่วงเวลาเดียวกัน เร็วกว่าปกติหมายถึงเพิ่มขึ้น ช้ากว่าหมายถึงลดลง
- โมเดลทั่วไป
- จุดกึ่งกลางของแคตตาล็อก: ครึ่งหนึ่งของโมเดลที่มีตัวเลขเติบโตเร็วกว่าในช่วงเวลา ครึ่งหนึ่งช้ากว่า
Ministral 3 3B 2512 เป็นโมเดลข้อความสำหรับตระกูล Text / LLM ที่อยู่ใน ModelTrends.ai แคตตาล็อกแบบอ่านอย่างเดียวของโมเดล AI สร้างภาพ วิดีโอ และข้อความแบบโอเพนซอร์ส เปรียบเทียบกับโมเดล Text / LLM อื่น ๆ และดูคะแนนความร้อนแรงเพื่อติดตามเทรนด์
โมเดล Text / LLM เพิ่มเติมข้อความ / LLM Text / LLM เพิ่มเติมllmmistralaiวิสัยทัศน์เอเจนต์หลายภาษาในเครื่องงบประมาณ
เรียกดูตามตระกูลโมเดล
โมเดล Text / LLM
434
โมเดล Anima
528
โมเดล Chroma
19
โมเดล Fibo
2
โมเดล Flux
1,496
โมเดล Flux 2 / Klein
1,239
โมเดล Flux 3
3
โมเดล Moss
3
โมเดล Iris
1
โมเดล MiniMax H3
364
โมเดล Hunyuan
204
โมเดล Ideogram
20
โมเดล Krea2
717
โมเดล Qwen
20
โมเดล Qwen2
47
โมเดล Ltx2
153