Mistral 3 發(fā)布｜對標的，全是中國模型

Mistral 發(fā)布了 Mistral 3 系列
去年的時候，他們是開源屆的當紅炸子雞
然后...已經一年多沒發(fā)模型了

Base Model 對比，對標 DeepSeek 和 Kimi

他們的官方對比很有意思
對標的不再是 GPT/Claude/Gemini
而只有中國模型， DeepSeek-3.1 和 Kimi-K2

補充一個冷知識...Mistral 是一家法國公司，被認為是歐洲的希望
估值....140億 美金

先說旗艦

Mistral Large 3，675B 總參數，41B 激活參數，MoE 架構，全系列 Apache 2.0 開源，reasoning 版本即將推出

LMArena 排名開源非推理模型第二，總榜第六

LMArena 排名

訓練方面，使用了3000 張 NVIDIA H200

評測信息

對于Mistral Large 3，官方給了和 DeepSeek V3.1、Kimi K2 的對比數據，如下

Base Model 對比，對標 DeepSeek 和 Kimi

第三方做的模型人類評估（雖然也不知道是啥）

Mistral 對 DeepSeek 勝率 53%，對 Kimi 勝率 55%

多語言任務上差距更大，對 DeepSeek 勝率 57%，對 Kimi 勝率 60%

Instruct 模型人類評估，第三方做的 再說小模型

Ministral 3 系列還有幾個小尺寸模型，3B、8B、14B 三個尺寸，都是 dense 模型

每個尺寸都有 pretraining、instruct、reasoning 三個版本

全系列支持圖像理解，支持 40+ 語言

官方說 Ministral instruct 生成的 token 數量比同級別模型少一個數量級

14B reasoning 版本在 AIME '25 上跑到 85%

GPQA Diamond Accuracy 對比 14B 系列跑分 Ministral 14B benchmark: pretraining Ministral 14B benchmark: instruct Ministral 14B benchmark: reasoning 8B 系列跑分 Ministral 8B benchmark: pretraining Ministral 8B benchmark: instruct Ministral 8B benchmark: reasoning 3B 系列跑分 Ministral 3B benchmark: pretraining Ministral 3B benchmark: instruct Ministral 3B benchmark: reasoning 部署

和 NVIDIA、vLLM、Red Hat 合作做了優(yōu)化

Large 3 可以在 Blackwell NVL72 系統(tǒng)上跑，也可以在單個 8×A100 或 8×H100 節(jié)點上跑

Ministral 系列可以跑在 DGX Spark、RTX PC、Jetson 設備上

API 服務上，已上線各主力算力平臺，并提供定制訓練服務

最后

我提個有趣的點，這個是 Mistral2 發(fā)布時候，評測對比上，一水的海外模型

Mistral 2 發(fā)布的對比

而 Mistral3 則都選的是中國模型，或許也可以理解為...中國的開源模型，或已是全球的標桿...

(當然，我們也要承認和頭部閉源的差距）