Mistral 发布了 Mistral 3 系列，上一次模型更新已是一年多之前。
Mistral 是法国公司，被视为欧洲重要的开源力量，估值约 140 亿美元。
旗舰模型 Mistral Large 3：Mixture-of-Experts（MoE）架构，675B 总参数、41B 激活参数；全系列采用 Apache 2.0 开源许可；Large 3 的 reasoning 版本“即将推出”。
LMArena 榜单：Large 3 在“开源非推理模型”中排名第二、总榜第六（榜单随时间更新，需以当期为准）。
训练基础设施：官方披露使用了 3000 张 NVIDIA H200。
小模型线：Ministral 3（3B/8B/14B）
- 架构：dense 模型；每个尺寸均提供 pretraining、instruct、reasoning 三个版本。
- 能力：全系列支持图像理解，覆盖 40+ 语言。
- 14B reasoning：官方称在 AIME ’25 上达到 85%；同时展示了 GPQA Diamond 的对比数据（未给出具体数值）。
- 生成风格：官方表示 Ministral instruct 的 token 使用量比同级别模型少一个数量级；我自己的短测里，确实能看到更紧凑的回答风格，但不同任务差异较大。
官方对标与评测结论
对标对象只选了中国模型：DeepSeek V3.1、Kimi K2。
人类评估（第三方执行、但方法学未公开）：Mistral 对 DeepSeek 胜率 53%，对 Kimi 胜率 55%。
多语言任务：对 DeepSeek 胜率 57%，对 Kimi 胜率 60%。
我的看法：这些数据可做“第一印象”，但在专业场景（代码、检索增强、数学推理）里，仍建议用自有评测集复核。
Ministral 3 系列还有几个小尺寸模型，3B、8B、14B 三个尺寸，都是 dense 模型
每个尺寸都有 pretraining、instruct、reasoning 三个版本
全系列支持图像理解，支持 40+ 语言
官方说 Ministral instruct 生成的 token 数量比同级别模型少一个数量级
14B reasoning 版本在 AIME '25 上跑到 85%
14B 系列跑分
Ministral 14B benchmark: pretraining
Ministral 14B benchmark: instruct
Ministral 14B benchmark: reasoning
8B 系列跑分
Ministral 8B benchmark: pretraining
Ministral 8B benchmark: instruct
Ministral 8B benchmark: reasoning
3B 系列跑分
Ministral 3B benchmark: pretraining
Ministral 3B benchmark: instruct
Ministral 3B benchmark: reasoning
怎么选更稳妥
| 型号 | 架构/规模 | 变体 | 能力要点 | 许可 | 部署备注 | 适合场景 |
|---|---|---|---|---|---|---|
| Mistral Large 3 | MoE，675B 总参/41B 激活 | Base；reasoning 即将推出 | 通用能力强；多语言；开源非推理榜名次靠前 | Apache 2.0 | Blackwell NVL72；亦可在 8×A100/8×H100 节点运行 | 服务器侧通用智能、复杂对话系统；等 reasoning 版再评估推理类任务 |
| Ministral 14B | dense，14B | pretrain/instruct/reasoning | 图像理解；多语言；reasoning 版在 AIME ’25 有较好成绩 | Apache 2.0 | DGX、RTX PC 等；量化后延迟较稳 | 中型后端服务；中文/多语言问答、轻量推理、研发验证 |
| Ministral 8B | dense，8B | pretrain/instruct/reasoning | 覆盖常见对话/总结；图像理解 | Apache 2.0 | RTX PC 友好；也适合边缘推理 | 应用内嵌智能、长驻对话机器人、低成本多语言支持 |
| Ministral 3B | dense，3B | pretrain/instruct/reasoning | 体量小；图像理解 | Apache 2.0 | Jetson、轻量服务器；本地化容易 | 端侧/边缘设备、离线场景、隐私敏感环境 |
部署与生态：准备程度如何
- 推理栈：与 NVIDIA、vLLM、Red Hat 做了优化，工程集成成本相对可控。
- 硬件覆盖：Large 3 面向 NVL72 等高端系统，也能在单个 8×A100 或 8×H100 节点上运行；Ministral 3/8/14B 可跑在 DGX Spark、RTX PC、Jetson 等设备上。
- 服务形态：已在主流算力平台上线 API，并提供定制训练服务；对企业侧落地较友好。
为何只对标中国模型
对比对象从 GPT/Claude/Gemini 转为 DeepSeek、Kimi，一方面说明中文与多语言开源模型已成为“现实参照系”，另一方面也意味着开源阵营内部的竞争焦点在向“可落地能力”靠拢。需要同时看到，和头部闭源模型在长期推理、工具使用等方面仍可能存在差距，实际落地要用业务数据做二次验证。
适配性建议（按场景）
- 需要通用大模型、多语言覆盖，但可接受较高硬件成本：优先评估 Mistral Large 3，reasoning 版本上线后再做推理类任务的全面对比。
- 想要在自研后端中平衡成本与能力：Ministral 14B（instruct/reasoning）是一个稳妥的起点，量化后可在常见 GPU 上部署。
- 端侧/边缘或嵌入式场景：Ministral 8B/3B 更易部署；对图像理解有一定诉求时，建议先用内部数据做几组“图+问”的小测。
- 中文与多语言：官方数据对中文/多语言给出正向信号，但领域专业性（医疗、法律、工业）仍需自建评测集验证。
- 合规与商业化：Apache 2.0 许可降低商用顾虑，但如果涉及二次训练与数据合规，仍要按企业流程完整审计。
风险与注意事项
- 评测透明度：人类评估由第三方执行，但方法学未完全公开；将其视为“趋势参考”，不要直接等同于业务表现。
- reasoning 可用性：Large 3 的 reasoning 版本尚未发布；推理类任务的最终结论需要等待正式版本。
- 榜单波动：LMArena 等公开榜单会随时间、基准和样本变化，选型时注意时间戳与评测集差异。
结语
从产品经理角度，我把 Mistral 3 看作“可落地的开源全家桶”：上有 MoE 大模型承接高通用需求，下有 14B/8B/3B 覆盖本地化和边缘部署，许可与生态准备度也比较完整。
更值得注意的是，它把对标对象换成了中国模型，这对中文与多语言应用是利好，但也提醒我们：不要只看总分，更要看是否适配你的数据与工作流。
我的建议是：先用 Ministral 14B/8B 做小范围验证，关注 Large 3 reasoning 上线后的对比，再决定是否做大规模替换或迁移。
在开源阵营竞争日趋细分的背景下，把“适合”放在“更强”之前，通常能更快落地