Mistral: Ministral 3 14B 2512

Mistral: Ministral 3 14B 2512 é um modelo de geração de texto da Mistral, lançado em 2 de dezembro de 2025. É o maior modelo da família Ministral 3, e a Mistral o descreve como oferecendo capacidades de ponta e desempenho comparável ao seu equivalente maior, o Mistral Small 3.2 24B. Se você já trabalha com modelos Mistral, este fica na parte menor e mais eficiente da linha deles, enquanto mira níveis de capacidade geralmente associados a irmãos maiores.

O modelo aceita texto e imagens como entrada e retorna texto. Sua janela de contexto é de 262.144 tokens, e a saída máxima é de 209.715 tokens, então entradas longas e gerações longas são ambas práticas dentro de uma única requisição. Como ele lida com entrada de imagem junto com texto, pode trabalhar em tarefas que misturam um prompt com uma captura de tela, diagrama, foto ou página digitalizada, desde que a resposta que você precisa seja texto escrito.

Essas capacidades apontam para um conjunto bastante amplo de usos. O contexto longo favorece o trabalho sobre documentos grandes, bases de código, transcrições ou conjuntos de relatórios onde você quer que o modelo raciocine sobre o todo em vez de um trecho por vez. A entrada de imagem o torna adequado para compreensão de documentos, extração ou resumo de informações a partir de capturas de tela e digitalizações, e resposta a perguntas fundamentadas em um visual. O teto alto de saída ajuda quando a resposta em si é longa, como um rascunho completo, uma extração estruturada sobre muitos itens, ou uma análise detalhada. O chamado de ferramentas e as saídas estruturadas o tornam utilizável como a etapa de raciocínio dentro de um agente ou pipeline que precisa retornar resultados legíveis por máquina.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo "mistralai/ministral-14b-2512". Os parâmetros de requisição suportados são frequency_penalty, max_tokens, presence_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. Na prática, isso significa que você pode controlar a amostragem com temperature e top_p, desencorajar ou encorajar repetição com os parâmetros de penalidade, limitar a resposta com max_tokens, parar a geração em sequências dadas, e definir uma seed para execuções mais reproduzíveis. Para uso programático, response_format e structured_outputs permitem que você solicite saída moldada, enquanto tools e tool_choice permitem que o modelo chame funções que você define.

Não há restrição declarada nos fatos além da divisão de modalidade: a entrada pode incluir imagens, mas a saída é apenas texto, então este não é um modelo para gerar imagens. Se sua carga de trabalho é puramente texto e você quer a opção capaz menor, uma variante menor do Ministral 3 pode ser mais adequada, e se você precisa de geração de imagens em vez de compreensão de imagens, você precisará de um modelo totalmente diferente.