Mistral: Ministral 3 8B 2512

Mistral: Ministral 3 8B 2512 è un modello di generazione di testo di Mistral, parte della famiglia Ministral 3. È descritto dal fornitore come un modello bilanciato in quella famiglia: un piccolo modello linguistico potente ed efficiente. È stato rilasciato dal fornitore il 2 dicembre 2025. Si colloca nella categoria testo ed è pensato per sviluppatori che desiderano un modello compatto anziché uno grande.

Il modello accetta testo e immagini come input e restituisce testo. La sua finestra di contesto è di 262144 token, e il suo output massimo è di 209715 token. Questa combinazione di un contesto molto ampio e di un ampio budget di output significa che puoi inserire documenti lunghi, contenuti immagine insieme al testo, e lasciare comunque ampio spazio al modello per produrre una risposta sostanziale. I parametri di richiesta supportati includono frequency_penalty, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p.

Poiché accetta sia testo che immagini, il modello si adatta a compiti che mescolano i due. Puoi passare uno screenshot, un diagramma o una pagina scansionata insieme a una domanda al riguardo e ottenere una risposta testuale. Il contesto ampio supporta la sintesi di documenti lunghi, la risposta a domande su materiale sorgente esteso e conversazioni multi turno che portano con sé molta cronologia. Poiché tools e tool_choice sono supportati, può anche guidare flussi di lavoro di function calling, e structured_outputs insieme a response_format ti consentono di richiedere risultati leggibili dalla macchina anziché prosa libera.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "mistralai/ministral-8b-2512". Punta il tuo client OpenAI esistente all'URL di base di api14 e passa quell'id nel campo model, e la forma della richiesta resta la stessa di qualsiasi altra chiamata di chat completion. Puoi inviare testo o testo con immagini, e impostare uno qualsiasi dei parametri elencati sopra. Esecuzioni deterministiche sono possibili con seed, il comportamento di campionamento è controllato da temperature e top_p, le penalità modellano la ripetizione, le sequenze di stop interrompono la generazione, e i parametri tools abilitano il function calling.

Vale la pena notare il limite di output di 209715 token e il contesto di 262144 token quando si pianificano generazioni lunghe, poiché un compito che richiede più di questo da una singola chiamata non potrà essere contenuto. Il modello produce solo testo, quindi se hai bisogno di output di immagini o audio ti servirà un modello diverso.