Tôi có thể chạy Ministral 3 3B cục bộ không?

Có. Trọng số mở theo giấy phép Apache 2.0 và mô hình chạy trong 8 GB VRAM ở FP8; nếu lượng tử hóa thêm, cần ít hơn nữa, rất thực tế trên nhiều GPU tiêu dùng.

Giá bao nhiêu và cửa sổ ngữ cảnh dài bao nhiêu?

Qua API giá $0.10 cho mỗi triệu token đầu vào và đầu ra. Cửa sổ ngữ cảnh theo thẻ mô hình là 256.000 token, dù danh sách API cho thấy 131.072 token.

Điểm khác biệt so với các mô hình Ministral 3 lớn hơn?

Đây là mô hình nhỏ nhất trong dòng Ministral 3, tối ưu cho triển khai biên và tài nguyên thấp. Bạn đánh đổi khả năng thô để có mô hình rẻ chạy trên phần cứng khiêm tốn.

Ministral 3 3B 2512

5960°

#llm #mistralai #thị giác #tác nhân #đa ngôn ngữ #cục bộ

Chạy mô hình này

Ưu đãi / Quảng cáo

OpenRouter Terminal / API

Trả theo token

Trò chuyện với mô hình này trên trình duyệt hoặc gọi nó từ mã của bạn với một khóa API.

Mistral | ngữ cảnh 131.072 token | $0.10/M đầu vào, $0.10/M đầu ra. Mô hình nhỏ nhất trong dòng Ministral 3, Ministral 3 3B là mô hình ngôn ngữ nhỏ mạnh mẽ, hiệu quả với khả năng thị giác.

Hướng dẫn cho mô hình này

Ollama vs LM Studio (2026): nên dùng ứng dụng AI cục bộ nào, và mỗi ứng dụng chạy những mô hình hàng đầu nào

Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

Ministral 3 3B là mô hình nhỏ nhất trong dòng Ministral 3 của Mistral, mô hình chỉ dẫn 3.4 tỷ tham số với bộ mã hóa thị giác tích hợp 0.4 tỷ tham số. Nó chạy trong 8 GB VRAM ở FP8, phù hợp phần cứng biên, và hỗ trợ thị giác, gọi hàm, cùng hơn một chục ngôn ngữ với giá rất cạnh tranh. Nếu bạn cần mô hình nhỏ có thể triển khai cục bộ hoặc dùng API giá rẻ, đây là lựa chọn nghiêm túc.

Nổi tiếng với

Chạy trong 8 GB VRAM ở FP8; chạy cục bộ trên phần cứng tiêu dùng khiêm tốn
Bao gồm bộ mã hóa thị giác: phân tích hình ảnh cùng văn bản
Gọi hàm gốc và xuất JSON cho pipeline tác nhân
Đa ngôn ngữ gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Trung, Nhật, Hàn, Ả Rập và hơn thế
Giấy phép Apache 2.0: cho phép sử dụng thương mại và chỉnh sửa

Cẩn thận với

Là mô hình 3B; lý luận phức tạp và viết dài hạn sẽ nhanh chạm giới hạn so với anh em lớn hơn.
Thị giác hoạt động tốt nhất với ảnh gần vuông; cắt quá rộng hoặc quá mỏng làm giảm hiệu năng.
Mistral khuyến nghị nhiệt độ dưới 0.1 cho sản xuất, nên đầu ra sáng tạo cần điều chỉnh kỹ.

Phù hợp nhất cho

Thị giác

Tác nhân và sử dụng công cụ

Đa ngôn ngữ

Chạy cục bộ

Ngân sách

Lời nhắc để thử

Trích xuất dữ liệu cấu trúc từ văn bản

Đọc văn bản hóa đơn sau và trả về đối tượng JSON với các trường: vendor_name, invoice_date, total_amount, line_items (mảng mô tả và số tiền). Hóa đơn: 'Acme Supplies, 14 Nov 2025. Widget A x3 @ $12.00 each. Shipping $5.00. Total $41.00.'

Mô tả và phân loại hình ảnh

Xem hình tôi đính kèm. Xác định chủ thể chính, mô tả diễn biến, liệt kê văn bản thấy được, và phân loại hình vào một trong các loại: ảnh sản phẩm, tài liệu, cảnh ngoài trời, cảnh trong nhà, sơ đồ. Giữ câu trả lời dưới 150 từ.

Xây dựng kế hoạch gọi công cụ đơn giản

Bạn có hai công cụ: get_weather(city: string) và send_email(to: string, subject: string, body: string). Người dùng nói: 'Gửi email sarah@example.com thời tiết hiện tại ở Tokyo.' Viết chuỗi gọi công cụ bạn sẽ thực hiện, dưới dạng JSON, để hoàn thành yêu cầu.

So sánh với

Mistral Nemo
Mô hình mở trọng số
ngữ cảnh 131,072 token · Đầu vào $0.03/M, đầu ra $0.03/M
Mistral Large 4
Mô hình chỉ API
ngữ cảnh 1,048,576 token · Đầu vào $0.68/M, đầu ra $2.09/M
Mistral Small 3.2 24B Instruct 2506
Mô hình mở trọng số
ngữ cảnh 128,000 token · Đầu vào $0.07/M, đầu ra $0.20/M
Voxtral Small 24B 2507
Mô hình mở trọng số
ngữ cảnh 32,768 token · Đầu vào $0.10/M, đầu ra $0.30/M

Thêm mô hình văn bản từ mistralai

Câu hỏi thường gặp

Tôi có thể chạy Ministral 3 3B cục bộ không?: Có. Trọng số mở theo giấy phép Apache 2.0 và mô hình chạy trong 8 GB VRAM ở FP8; nếu lượng tử hóa thêm, cần ít hơn nữa, rất thực tế trên nhiều GPU tiêu dùng.
Giá bao nhiêu và cửa sổ ngữ cảnh dài bao nhiêu?: Qua API giá $0.10 cho mỗi triệu token đầu vào và đầu ra. Cửa sổ ngữ cảnh theo thẻ mô hình là 256.000 token, dù danh sách API cho thấy 131.072 token.
Điểm khác biệt so với các mô hình Ministral 3 lớn hơn?: Đây là mô hình nhỏ nhất trong dòng Ministral 3, tối ưu cho triển khai biên và tài nguyên thấp. Bạn đánh đổi khả năng thô để có mô hình rẻ chạy trên phần cứng khiêm tốn.

Phán quyết của thuyền trưởng
Mô hình nhỏ thực sự hữu ích: thị giác, gọi hàm, đa ngôn ngữ, Apache 2.0, và giá đủ rẻ để chạy trên phần cứng biên mà không hối tiếc.

Thẻ mô hình trên Hugging Face

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Mô hình tương tự

Mô hình AI để tạo hình ảnh, video & văn bản

Ministral 3 3B 2512 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm mistralai thị giác tác nhân đa ngôn ngữ cục bộ ngân sách

Duyệt theo họ mô hình