Ministral 3 3B Instruct 2512
Ministral 3 家族最小型号的指令版本，具备视觉理解能力，面向边缘与低资源部署，支持256K上下文与原生函数调用。
最后核实：
https://huggingface.co/mistralai/Ministral-3-3B-Instruct-2512特点与限制
主要特点
- 官方口径：3.4B语言模型＋0.4B视觉编码器，FP8权重
- 官方称FP8可在8GB显存内本地部署，进一步量化后更低
- 原生函数调用与JSON输出
- 256K上下文窗口（官方vLLM示例默认max-model-len为262144）
- 支持system提示，官方建议temperature低于0.1
使用边界
- 官方基准表未披露评测条件与模型revision，成绩不能与外部统一条件横比。
- 视觉输入官方建议图像宽高比接近1:1，过窄或过宽的图像应裁剪。
- 本站未复现评测，也未在设备上实测部署。
模型信息
- 家族与版本
- Ministral / 3
- 输入与输出
- 文本、图像 → 文本
- 公开参数规模
- 3.8B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方卡的组件口径：3.4B语言模型＋0.4B视觉编码器；HF权重元数据safetensors张量参数合计3,849,090,048（约3.85B）。官方未给出单一合计数值，此处按组件口径合计并保留原始数据。 参数来源
- 原生上下文
- 262,144 tokens
- 扩展上下文
- 未提供
- 语言声明
- 多语言（官方列出英语、法语、西班牙语、德语、意大利语、葡萄牙语、荷兰语、中文、日语、韩语、阿拉伯语）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- 未核实
- 训练资料
- 官方未披露训练数据组成；卡片仅说明该检查点为指点（instruct）后训练版本，并以FP8精度发布。
能力依据
模型变体：指令版；家族与版本：Ministral / 3
文本生成
Arena Hard · win rate0.305比例（0–1）Arena Hard · enWildBench · score56.8分（报告口径）WildBench · enMATH · Maj@1 accuracy0.83比例（0–1）MATH · en查看评估与来源收起补充信息
文本生成
可作为英文对话与数学推理候选：官方Instruct对比表报告Arena Hard 0.305、WildBench 56.8、MATH Maj@1 0.830。这些分数来自发布方对比表，不代表目标场景表现。
- 同一官方表内并列多个同规模对照模型，档位定位可直接查看。
- 覆盖对话偏好、指令跟随与数学三类指标，未合并为单一总分。
- 未披露数据集版本、评判模型与提示配置，不能与外部榜单直接横比。
- 中文等多语言表现未在该表中分语言列出。
- 本站未复现任何一项基准。
Arena Hard · win rate
0.305 比例（0–1）官方报告 · Mistral AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- mistralai/Ministral-3-3B-Instruct-2512 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- Arena Hard / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Mistral官方卡的Instruct对比表列Ministral 3 3B为0.305，同表并列Qwen3-VL-4B-Instruct、Gemma3-4B-Instruct等对照值。未披露数据集划分、裁判模型与提示配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- mistralai / ministral-3-3b-instruct-2512-instruct-table
- 来源
- https://huggingface.co/mistralai/Ministral-3-3B-Instruct-2512
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与裁判配置，无法与统一条件下的其他成绩比较。
WildBench · score
56.8 分（报告口径）官方报告 · Mistral AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- mistralai/Ministral-3-3B-Instruct-2512 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- WildBench / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Mistral官方卡的Instruct对比表列Ministral 3 3B为56.8。未披露评分量纲、评判模型与提示配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- mistralai / ministral-3-3b-instruct-2512-instruct-table
- 来源
- https://huggingface.co/mistralai/Ministral-3-3B-Instruct-2512
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与评判配置，无法与统一条件下的其他成绩比较。
MATH · Maj@1 accuracy
0.83 比例（0–1）官方报告 · Mistral AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- mistralai/Ministral-3-3B-Instruct-2512 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MATH / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Mistral官方卡的Instruct对比表列Ministral 3 3B的MATH Maj@1为0.830。未披露采样次数、提示模板与评测配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- mistralai / ministral-3-3b-instruct-2512-instruct-table
- 来源
- https://huggingface.co/mistralai/Ministral-3-3B-Instruct-2512
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与采样配置，无法与统一条件下的其他成绩比较。
视觉理解
MM MTBench · score7.83分（报告口径）MM MTBench · en查看评估与来源收起补充信息
视觉理解
可作为图文对话候选：官方Instruct对比表列多模态多轮评测MM MTBench为7.83（官方报告口径）。单一分数不能保证OCR、细节识别或文档解析效果。
- 官方表提供了多模态多轮评测的分项结果。
- 未披露图像分辨率、评判模型与提示配置。
- 本站未用本地图片验证识图效果。
MM MTBench · score
7.83 分（报告口径）官方报告 · Mistral AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- mistralai/Ministral-3-3B-Instruct-2512 / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MM MTBench / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Mistral官方卡的Instruct对比表列Ministral 3 3B的多模态多轮评测MM MTBench为7.83，同表并列Qwen3-VL-4B-Instruct、Gemma3-4B-Instruct等对照值。未披露评分量纲、评判模型与图像条件；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- mistralai / ministral-3-3b-instruct-2512-instruct-table
- 来源
- https://huggingface.co/mistralai/Ministral-3-3B-Instruct-2512
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的数据版本、模型revision与评判配置，无法与统一条件下的其他成绩比较。
运行条件与获取
vLLM
系统支持未提供 · Safetensors（FP8） · FP8（官方权重精度）
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方称该系列FP8检查点可运行于单张H200、3B可在8GB显存内本地部署，属于官方说明而非本站测量，也不构成最低配置要求。
内存：未核实；显存：未核实。
依赖：vllm>=0.12.0、mistral_common>=1.8.6（随vllm安装）。
STEP 01 安装或升级vLLM
官方推荐使用vLLM，并给出该安装命令；安装会自动带上mistral_common。本站未执行安装。
pip install vllm --upgradeSTEP 02 核对mistral_common版本
官方给出的版本检查命令，确认mistral_common>=1.8.6。
python -c "import mistral_common; print(mistral_common.__version__)"STEP 03 启动OpenAI兼容服务
官方启动命令（原文为反斜杠续行的多行写法，此处合并为单行）；默认max-model-len为262144，可按需下调以节省内存。本站未下载权重或启动服务。
vllm serve mistralai/Ministral-3-3B-Instruct-2512 --tokenizer_mode mistral --config_format mistral --load_format mistral --enable-auto-tool-choice --tool-call-parser mistralTransformers
系统支持未提供 · Safetensors（FP8） · FP8（官方权重精度；可用FineGrainedFP8Config反量化为BF16）
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方提示默认使用FP8 triton kernel加速，显存与速度取决于精度、批大小和运行时版本，不将参数量或文件体积换算为资源保证。
内存：未核实；显存：未核实。
依赖：transformers（官方要求从main安装以支持FP8）、mistral-common>=1.8.6。
STEP 01 安装支持FP8的Transformers
官方要求从main分支安装Transformers以使用FP8支持；命令使用uv。本站未执行安装。
uv pip install git+https://github.com/huggingface/transformersSTEP 02 安装或升级mistral-common
官方要求mistral-common>=1.8.6以使用其tokenizer。
pip install mistral-common --upgradeSTEP 03 加载模型
按官方示例用Mistral3ForConditionalGeneration与MistralCommonBackend加载；如需BF16可配FineGrainedFP8Config(dequantize=True)。本站未下载权重或执行模型。