Mistral 发布 Mistral 3 模型

Mistral 在 2025 年 12 月 2 日发布 Mistral 3 系列，把旗舰 Mistral Large 3 与三档边缘模型 Ministral 3B、8B、14B 一次性放出，全部以 Apache 2.0 协议开源。Large 3 是 Mistral 自 Mixtral 之后第一款 mixture-of-experts，41B 活跃参数、675B 总参数，从零开始在 3000 张 NVIDIA H200 GPU 上预训练完成。Mistral 把它的位置摆得很明确：post-training 之后在通用 prompt 上与最强 instruction-tuned 开源模型打平，具备图像理解，并在英语、中文以外的多语种对话上拿到该梯队最佳水准，在 LMArena 文本榜单上以 OSS 非推理模型第 2、OSS 模型总榜第 6 出场。

发布同时附带完整的部署链路。Mistral、NVIDIA、vLLM 与 Red Hat 合作把 Large 3 编译成 NVFP4 checkpoint，由 llm-compressor 工具产出，可以在 Blackwell NVL72 上跑，也能塞进单台 8×A100 或 8×H100 节点。整个 Mistral 3 家族在 Hopper GPU 上训练以利用 HBM3e 带宽；NVIDIA 工程师为 TensorRT-LLM 与 SGLang 加上低精度推理支持，并为 MoE 架构集成了 Blackwell 注意力核、prefill/decode 分离式 serving 以及推测解码。Ministral 三款边缘模型则在 DGX Spark、RTX 笔记本与 Jetson 设备上拿到优化镜像，从数据中心到机器人形成一条贯通的部署路径。Ministral 系列每个尺寸都提供 base、instruct、reasoning 三个变体，全部具备图像理解；14B 的 reasoning 版在 AIME '25 上拿到 85% 准确率。

Mistral 把这套发布对应到两类工程取舍。Ministral 把 token 数与模型大小一并纳入成本视野，强调在多数场景里 instruct 版输出 token 比同类模型少近一个数量级；reasoning 版则用更多思考预算去换更高准确率。Large 3 与 Ministral 同日上线 Mistral AI Studio、Amazon Bedrock、Azure Foundry、Hugging Face、Modal、IBM WatsonX、OpenRouter、Fireworks、Unsloth、Together AI 等渠道，NVIDIA NIM 与 AWS SageMaker 紧随其后。配套的 arXiv 论文 2601.08584 给出 Ministral 架构细节，reasoning 版的 Large 3 则被列在后续发布表上。