Mistral: Ministral 3 14B 2512

Mistral : Ministral 3 14B 2512 est un modèle de génération de texte de Mistral, publié le 2 décembre 2025. C'est le plus grand modèle de la famille Ministral 3, et Mistral le présente comme offrant des capacités de pointe et des performances comparables à son homologue plus grand, Mistral Small 3.2 24B. Si vous travaillez déjà avec des modèles Mistral, celui-ci se situe dans la partie plus petite et plus efficace de leur gamme, tout en visant des niveaux de capacité habituellement associés à des modèles plus grands.

Le modèle accepte du texte et des images en entrée et renvoie du texte. Sa fenêtre de contexte est de 262 144 tokens, et la sortie maximale est de 209 715 tokens, donc les entrées longues et les générations longues sont toutes deux pratiques dans une seule requête. Comme il traite les entrées d'images en plus du texte, il peut travailler sur des tâches qui mélangent une invite avec une capture d'écran, un diagramme, une photo ou une page numérisée, tant que la réponse dont vous avez besoin est du texte écrit.

Ces capacités ouvrent sur un ensemble d'usages assez large. Le contexte long convient au travail sur de grands documents, bases de code, transcriptions ou ensembles de rapports où vous voulez que le modèle raisonne sur l'ensemble plutôt que sur un morceau à la fois. L'entrée d'images en fait un bon choix pour la compréhension de documents, l'extraction ou le résumé d'informations à partir de captures d'écran et de numérisations, et la réponse à des questions fondées sur un visuel. Le plafond de sortie élevé aide lorsque la réponse elle-même est longue, comme une ébauche complète, une extraction structurée sur de nombreux éléments, ou une analyse détaillée. L'appel d'outils et les sorties structurées le rendent utilisable comme étape de raisonnement au sein d'un agent ou d'un pipeline qui doit renvoyer des résultats lisibles par machine.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "mistralai/ministral-14b-2512". Les paramètres de requête pris en charge sont frequency_penalty, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez contrôler l'échantillonnage avec temperature et top_p, décourager ou encourager la répétition avec les paramètres de pénalité, plafonner la réponse avec max_tokens, arrêter la génération sur des séquences données, et définir une graine pour des exécutions plus reproductibles. Pour un usage programmatique, response_format et structured_outputs vous permettent de demander une sortie mise en forme, tandis que tools et tool_choice permettent au modèle d'appeler des fonctions que vous définissez.

Il n'y a aucune restriction indiquée dans les faits au-delà de la séparation des modalités : l'entrée peut inclure des images, mais la sortie est uniquement du texte, donc ce n'est pas un modèle pour générer des images. Si votre charge de travail est purement textuelle et que vous voulez l'option la plus petite et capable, une variante plus petite de Ministral 3 peut mieux convenir, et si vous avez besoin de génération d'images plutôt que de compréhension d'images, il vous faudra un modèle entièrement différent.