mistral-large-2512

Oversikt. Mistral Large 3 er flaggskipmodellen fra Mistral AI med åpne vekter: en Granular sparse mixture-of-experts-modell med 675 milliarder parametere, 41 milliarder aktive parametere og en innebygd visjonsenkoder med 2,5 milliarder parametere, utgitt under Apache-2.0. Modellen leveres med et kontekstvindu på 262 144 token og betjenes via vLLM med mistral-common-tokenizeren. Utviklere som trenger åpne, selvhostbare vekter kombinert med multimodal inndata (tekst og bilder) og innebygd funksjonskall, vil finne denne modellen nyttig.

Viktigste styrker. Det granulære mixture-of-experts-designet holder aktiv beregning på 41 milliarder parametere, samtidig som total kapasitet er 675 milliarder parametere – noe som er den viktigste effektivitetsgevinsten i denne utgivelsen. Modellen tar imot tekst og bilder som inndata direkte via den innebygde visjonskoderen, og Mistral dokumenterer innebygd funksjonskall, JSON-utdata og etterlevelse av systeminstrukser som kjernegenskaper. Kontekstvinduet på 262 144 token støtter arbeid med lange dokumenter og utvidede samtaler med mange runder, uten behov for ekstern oppdeling.

Når du bør bruke den. Bruk denne modellen til analyse av lange dokumenter, multimodale oppgaver som kombinerer tekst og bilder, og generelle instruksjonsoppgaver der middels oppgavekompleksitet og åpne vekter veier tyngre enn resonnering eller koding på toppnivå. Den er et fornuftig standardvalg når et selskap ønsker en Apache-2.0-lisensiert, selvhostbar modell med innebygd verktøykall og JSON-utdata for integrering i eksisterende behandlingskjeder. Den er ikke riktig valg for krevende agentiske oppgaver eller kodingsintensive arbeidsflyter, der uavhengige egenskapsmålinger i vår forskning plasserer den under frontmodellene på toppnivå.

Begrensninger. Signaler fra forskning på koding og agentiske egenskaper ligger under det vi ville forvente av en topp frontmodell, så dette er ikke det rette valget for krevende koding med mange steg eller agentiske arbeidsflyter. Mistral har ikke oppgitt når treningsdataene slutter, og detaljer som antall eksperter per lag og hvor mange som aktiveres per token er ikke offentliggjort. Det finnes heller ingen dokumentert modus for utvidet resonnering eller resonneringsspor i denne instruksjonsversjonen.

Suverenitetsnotat. Mistral AI er basert i Frankrike, noe som betyr at denne modellen ikke er underlagt CLOUD Act. Kombinert med åpne vekter under Apache-2.0 kan den selvhostes for drift som krever direkte kontroll over datalokasjon og suveren inferens.