Mistral: Ministral 3 3B 2512

Mistral: Ministral 3 3B 2512 är en textgenereringsmodell från Mistral, släppt den 2 december 2025. Den är den minsta medlemmen i Ministral 3-familjen, som Mistral beskriver som en serie effektiva små språkmodeller. Modell-id:t på api14 är mistralai/ministral-3b-2512, och dess huvudkategori är text.

Modellen tar emot text- och bildindata och producerar textutdata, så den kan hantera både vanliga språkprompter och prompter som innehåller bilder. Den har ett kontextfönster på 131 072 tokens och en maximal utdata på 104 857 tokens, vilket innebär att du kan skicka långa dokument eller långa konversationer och fortfarande lämna utrymme för ett omfattande genererat svar. Parametrar som stöds i förfrågningar inkluderar temperature, top_p, frequency_penalty, presence_penalty, max_tokens, stop, seed, response_format, structured_outputs, tools och tool_choice. Förekomsten av tools och tool_choice innebär att den kan delta i funktionsanrop eller flöden för verktygsanvändning, och structured_outputs plus response_format låter dig begära maskinläsbara svar i stället för fritext.

Eftersom den hanterar både text och bilder omfattar praktiska användningsområden att beskriva eller extrahera information från bilder, svara på frågor om skärmbilder eller diagram, och blandade prompter där en bild åtföljs av skriftliga instruktioner. Dess långa kontext gör den lämplig för att sammanfatta långa dokument, arbeta sig igenom långa chatthistoriker eller bearbeta stora mängder text i en enda förfrågan. Stöd för verktyg gör den till en kandidat för agentliknande arbetsflöden där modellen avgör när den ska anropa en extern funktion, och strukturerade utdata hjälper när resultatet behöver matas in i ett annat program, till exempel fylla ett JSON-objekt eller ett fast schema. Den stora maximala utdatan passar också uppgifter som kräver långa genererade svar, till exempel att utarbeta rapporter eller utveckla anteckningar till full text.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t mistralai/ministral-3b-2512 på samma sätt som du skulle anropa vilken annan slutpunkt av chat completions-typ som helst. Ställ in fältet model till det id:t, ange dina messages och lägg till de parametrar som stöds som du behöver: temperature, top_p, frequency_penalty, presence_penalty, max_tokens, stop, seed, response_format, structured_outputs, tools och tool_choice. Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintliga OpenAI-klientbibliotek och förfrågningsformat i allmänhet utan ändringar, vilket håller migreringsarbetet lågt.

Eftersom detta är den minsta modellen i sin familj är den ett rimligt val när latens eller genomströmning är viktigare än maximal resonemangsdjup. För uppgifter som kräver tyngre resonemang eller mer komplex planering i flera steg kan en större modell i samma familj eller hos en annan leverantör passa bättre. Fakta här anger inga benchmarkresultat, så utvärdera den mot din egen arbetsbelastning innan du binder dig.