AI三國殺！OpenAI狂卷，DeepSeek封神，卻被Mistral偷了家？

新智元報道

編輯：傾傾

【新智元導讀】中美正忙著堆算力打AI戰，歐洲卻突然殺出一條血路：模型落地更重要！Mistral一口氣扔出Large 3和Ministral 3，全開源、能看圖、能跑在大多數電子設備上，甚至斷網也能用。未來，AI是巨頭的專屬權力，還是人人都能握在手中的智能？這一次，歐洲給出了自己的答案。

就在昨天，「歐洲版DeepSeek」一口氣公布了兩件事：

• 一個MoE大模型：Mistral Large 3

• 一套小模型：Ministral 3（14B/8B/3B）

全部開源、全部多模態、全部能落地。

Mistral Large 3

這次Mistral推出的Mistral Large 3，規格上看幾乎是「開源界的準天花板」：

41B active / 675B total的MoE架構、原生圖像理解、256k context、多語言能力在非英中語種上強得離譜，LMArena排名直接殺到開源模型第6。

Mistral Large 3的ELO得分在開源大模型中穩居第一梯隊，和Kimi K2打成平手，僅落后DeepSeek v3.2一小截

它的底模表現也不弱，在多個基礎任務上與DeepSeek、Kimi這種體量更大的模型正面交手。

Mistral Large 3（Base）在MMLU、GPOA、SimpleQA、AMC、LiveCodeBench等多項基礎任務上與DeepSeek 37B、Kimi K2 127B保持同一水平，屬于開源系的第一梯隊底模

再看預訓練能力，它和Qwen、Gemma的底模在核心評測上也是正面硬剛：

Mistral Large 3在多個核心基準上與DeepSeek、Qwen正面對比

但官方卻沒把重點放在數值上，反而強調：

我們開源Apache 2.0，全權在你；你想怎么改、怎么部署都行

為了實現這一點，他們和NVIDIA做了一件簡單，但卻很關鍵的事：

為了讓Large 3運行得更穩定，Mistral聯合NVIDIA把底層推理鏈路重新做了一遍：

采用NVIDIA的FP4，并重寫了Blackwell的注意力與MoE內核，讓Large 3在Blackwell NVL72上既快、又穩、又便宜。

這不是簡單的適配，而是把Blackwell的注意力機制、MoE內核、預填充/解碼分離和投機解碼等關鍵推理路徑重新做了一遍。

Ministral 3系列

真正讓Mistral得意的，是Ministral 3系列。

它們體量小，但性能強。

3B、8B、14B三種大小，全部有base、instruct、reasoning三個版本，全部能看圖，全部在官方benchmark里表現不俗。

這意味著：你的筆記本能跑，你的臺式機能跑，無人機、機器人、汽車、邊緣攝像頭都能跑，甚至脫離互聯網也能跑。

更關鍵的是，模型不只是「小」，而是「更聰明」。

Ministral 3的instruct版本在綜合智能指數上的得分分別是31（14B）/ 28（8B）/ 22（3B）──全部跑贏上一代Mistral Small 3.2，參數量甚至多40%。

也就是說這代小模型不僅便宜、能跑在更多設備上，本身能力也從底層被拉升了一大截。

Large 3相比上一代Large 2提升了11分，達到38分。

但即便這樣，它仍沒有進入GPT-5、Gemini 3、Claude Opus那種頂級專有模型所在的第一梯隊。

Artificial Analysis的綜合榜單里，前排依舊被GPT-5、Gemini 3、Opus系列占據；

DeepSeek和Qwen也在持續貼近第一梯隊，Mistral Large 3則恰好卡在兩者之間。

這是一次可見的進步，但它的定位從來都不是「跑分之王」。

但這并不影響它的工程價值。Large 3用的是稀疏MoE架構，本身就很吃算力。

所以這次Mistral直接和NVIDIA深度綁定，把Blackwell 系列最新的注意力機制、MoE加速內核都接了上來。

最有意思的是，他們一起把「預填充 / 解碼分離」和「投機解碼」也做進了底層，讓長文本、高并發這種企業級場景跑起來更穩、更快。

更關鍵的是，Ministral 3系列不僅體積小，它們已經被官方優化到能直接跑在各種真實設備上：DGX Spark、RTX PC、普通筆記本，甚至是 Jetson 這種嵌入式板子。

從數據中心到機器人，從工廠到無人機，只要有塊GPU，就能跑Mistral的小模型。

Mistral Large 3（Instruct）在真實任務評估中對比 DeepSeek V3.1 / Kimi K2的勝率

再看reasoning版，AIME’25（數學推理）能在14B下做到85%。

Ministral 14B的底模實力遠超同量級對手，在數學、知識問答、多語言任務中幾乎全面領先Gemma 13B和Qwen 1.8B

Ministral 14B（Reasoning）在AIME’25、LiveCodeBench、GPOA Diamond、HMMT等推理任務上全面領先Qwen 14B「Thinking」，數學和代碼推理幾乎是同量級中的天花板。

Ministral 14B（Instruction）在WildBench、Arena Hard、數學推理和多模態任務上全面領先Gemma 13B與Qwen 1.8B，指令調優后的綜合能力幾乎碾壓同量級模型。

這在小模型推理中，幾乎是突破天花板的表現。

Mistral首席科學家Guillaume Lample一語點破：

超過90%的企業任務，用微調過的小模型就足夠了。

這相當于對OpenAI的直接挑釁。

OpenAI的最強模型需要昂貴的顯卡，每個token都在燒錢；Google、Anthropic的Agentic模型配置更高。

但企業真正要的是：能用、可控、便宜、可靠。

Ministral 3正是在針對這一痛點。

Lample在一次采訪中提到這樣一個有趣的現象：

很多公司用最強閉源模型做原型，結果上線時發現成本太貴、延遲太高，只能退回來找我們。

閉源頭部模型有天然的缺陷：出了問題企業無法修復，企業數據必須上傳云端，成本高的嚇人......

Mistral直擊要害：模型不夠好？我們下場幫你造數據、幫你調模型。

他們直接派工程師進駐客戶公司，把模型變成按需定制的「企業專屬AI」。

用一個14B，干掉別人70B、400B的大模型，在企業場景里完全可能。

在真實人工評估中，Mistral Large 3在通用任務和多語言任務里對DeepSeek V3.1、Kimi K2取得53%–60%的勝率

Mistral的野心

把視線從模型本身移開，就會發現Mistral不僅僅是賣模型。

它在悄悄把自己變成一種平臺型的存在，而那套結構現在已經清晰到讓人無法忽視。

Mistral Agents API，它不僅能跑模型，還能直接在API內部接Code Interpreter、執行代碼、接連工具、保持長期記憶、做結構化推理。

Magistral，專門為「復雜推理、透明推理、多語言推理」訓練的模型系列。

還有突然爆火的AI Studio。官方稱其能「部署在任何地方」。

由此可見，Mistral在走一種不同尋常的AI路線。

它不像美國那套「云端神諭」，更像是歐洲式的「軟件制造業」哲學：

把能力做成標準件，讓所有人隨取隨用。

Mistral 3的發布，讓全球AI版圖出現了一個新的裂縫。

一邊是不斷做大的「云端巨獸」，另一邊是開始滲透到筆記本、無人機、工廠、公共機構里的「小而強AI」。

AI的未來到底屬于幾家巨頭，還是屬于每個人的設備、每個國家的生態？

這場爭奪從今天才正式開盤。

參考資料：

https://mistral.ai/news/mistral-3

https://venturebeat.com/ai/mistral-launches-mistral-3-a-family-of-open-models-designed-to-run-on

https://x.com/MistralAI/status/1995872768601325836 https://x.com/ArtificialAnlys/status/1995946145236001168

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！