ministral-14b-2512

Oversigt. Ministral 3 14B Instruct (2512) er Mistral AIs tætte multimodale model, der parrer en 13,5 milliarder sprogmodel med en 0,4 milliarder Pixtral-type vision-encoder, så den accepterer tekst og billeder som inddata og returnerer tekst. Den blev udgivet den 2. december 2025 under Apache-2.0 med åbne vægte, som det instruktionstrænede medlem af Ministral 3-modelfamilien. Udviklere vælger den, når de ønsker en kompakt model, de kan køre selv, med et kontekstvindue på 262.144 tokens og indbygget verktøjskald.

Vigtigste styrker. Leverandørens benchmarks på modelkortet placerer MATH Maj@1 på 0,904 og WildBench på 68,5, mens Arena Hard ligger på 0,551 — en kvalitet inden for matematik og generel chat, der ser stærk ud for en tæt 14 milliarder model. Samme kort rapporterer GPQA Diamond 0,57 og MMMU-Pro 0,50, hvilket tyder på, at ræsonnerings- og billedforståelsesvejene holder niveauet ud over ren tekstevaluering. Indbygget funktionskald med `tools` og `tool_choice` understøttes sammen med strukturerede uddata styret af JSON-skema, og tokenizeren dækker engelsk, fransk, spansk, tysk, italiensk, portugisisk, hollandsk, kinesisk, japansk, koreansk og arabisk.

Anvendelsesområder. Brug denne model til interaktivt arbejde, hvor en svartid på cirka et sekund for første token er acceptabel: spørgsmål og svar til dokumenter og billeder, struktureret udtræk til JSON og enkelttrins-værktøjskald. Kontekstvinduet på 262.144 tokens egner sig til opgaver med lange dokumenter, som ellers ville kræve opdeling. Undgå at bruge den til agentiske loops med mange trin — dens agentiske scorer ligger et godt stykke under dens generelle og matematiske resultater, så arbejdsflow med tung orkestrering bør køre på en stærkere ræsonneringsmodel.

Begrænsninger. Hvor træningsdataene slutter, er ifølge leverandørens egen systemprompt den 1. oktober 2023, så alt nyere kan ligge uden for dens træningsdata. Dette er Instruct-modelversionen, ikke en ræsonneringsmodel: den viser intet ræsonneringsspor, og Mistral distribuerer en separat ræsonneringsmodelversion til det formål. Agentisk pålidelighed ved brug af værktøjer i flere trin er det svageste målte område i forhold til dens generelle egenskaber.

Bemærkning om suverænitet. Mistral AI er en fransk modelskaber, og vægtene til Ministral 3 14B Instruct er udgivet under Apache-2.0, så modellen kan køre selv eller drives på kundestyret infrastruktur uden at være underlagt CLOUD Act. De aktive Stav-endepunkter for denne model betjenes fra Frankrig og Schweiz.