Mistral: Ministral 3 8B 2512 (batch)

Ministral 3 8B Instruct 2512 ist das mittelgroße, auf Anweisungen abgestimmte Modell der Ministral-3-Familie von Mistral AI. Der veröffentlichte Checkpoint ist für Chat- und Anweisungsaufgaben in FP8-Präzision nachtrainiert. Er verbindet eine Sprachkomponente mit einem Bildencoder, verarbeitet Text und Bilder und gibt Text statt eines Bild- oder Audioartefakts zurück.

Architektur und zentrale Funktionen

Der Hersteller nennt ein Sprachmodell mit 8,4 Milliarden Parametern und einen Bildencoder mit 0,4 Milliarden Parametern. Sein Kontextfenster wird mit 256k beschrieben, und die veröffentlichten Nutzungshinweise verwenden eine standardmäßig konfigurierte Länge von 262.144. Diese Angaben beschreiben diese Ausgabe in der Größe 8B; die kleineren 3B- und größeren 14B-Familienmitglieder behalten ihre eigenen Komponentengrößen und Konfigurationen.

Visuelle Fähigkeiten erweitern die Eingabe des Modells über einen schriftlichen Dialog hinaus. Ein Dokumentbild kann mit einer Frage zu einem ausgewählten Feld, Absatz oder sichtbaren Zusammenhang kombiniert werden. Ein Screenshot kann mit dem Ziel des Nutzers und der Aufforderung verbunden werden, das relevante Bedienelement zu identifizieren. Fordere die Beobachtung an, die jede Schlussfolgerung stützt, wenn die Antwort von einem visuellen Detail abhängt, und bewahre Überschriften, Beschriftungen und Einheiten, die zur Interpretation eines Ausschnitts benötigt werden.

Die Modellkarte beschreibt mehrsprachige Arbeit in Dutzenden Sprachen, darunter Englisch, Französisch, Spanisch, Deutsch, Italienisch, Portugiesisch, Niederländisch, Chinesisch, Japanisch, Koreanisch und Arabisch. Sie nennt außerdem die Befolgung von Systemanweisungen, native Funktionsaufrufe und JSON-Ausgabe. Definiere die endgültige Sprache, Rolle und Ausgabeanforderungen ausdrücklich, statt das Modell das beabsichtigte Artefakt aus einer großen Eingabe erschließen zu lassen.

Dokument-, Dialog- und Agentenaufgaben

Die Anwendungsfälle des Herstellers umfassen Chatschnittstellen, Alltagsassistenten, Bild- und Dokumentbeschreibungen, Übersetzung, Inhaltsgenerierung und spezialisierte Agenten. Stelle für einen Dokumentassistenten die Seite bereit und gib die zurückzugebenden Informationen vor. Eine Extraktionsanfrage kann Feldbezeichnungen, erwartete Typen und den Umgang mit fehlenden Werten benennen. Eine nützliche Antwort kann die Dokumentkennung, den extrahierten Wert und eine kurze Erklärung mit Bezug zur sichtbaren Quelle enthalten.

Bewahre für einen fortlaufenden Dialog die relevante frühere Antwort und stelle eine gezielte Anschlussfrage. Ein Nutzer kann zunächst eine Dokumentzusammenfassung anfordern und danach fragen, welche Aussage eine Schlussfolgerung stützt. Dadurch ändert sich die erforderliche Ausgabe von einem allgemeinen Überblick zu einer quellengestützten Erklärung, während das ursprüngliche Material und der Zweck des Dialogs erhalten bleiben.

Stelle für mehrsprachige Bearbeitung die Originalpassage, die vorgesehenen Leser und eine Terminologieliste bereit. Fordere eine überarbeitete Fassung an, die Namen, Bedingungen und Einheiten bewahrt, gefolgt von einer kurzen Erklärung der Änderungen, sofern nützlich. Gib für Inhaltsgenerierung die Zielgruppe und die einzubeziehenden Fakten vor, bevor du einen kurzen Entwurf oder alternative Formulierungen anforderst.

Bei einer Agentenaufgabe stellt die Anwendung die Werkzeuge und ihre Parameter bereit. Das Modell kann eine Funktion auswählen und Argumente vorbereiten, während die Anwendung sie ausführt und das Ergebnis zurückgibt. Das Funktionsbeispiel in der Modellkarte verbindet eine Bildfrage mit einem Berechnungswerkzeug. Halte das Werkzeugergebnis vom vorgeschlagenen Aufruf getrennt, damit die anschließende schriftliche Antwort die Informationen verwendet, die die Operation tatsächlich zurückgegeben hat.

Empfohlene Vorbereitung und Einstellungen

Der Hersteller empfiehlt eine Systemanweisung, die Umgebung, Anwendungsfall und die Verwendung von Werkzeugen beschreibt. Halte die Werkzeugauswahl klar definiert und auf das für die Aufgabe notwendige Minimum begrenzt. Ein kleiner Abfrageablauf kann die für die aktuelle Frage relevanten Funktionen mit klar benannten Pflichtargumenten anbieten, statt eine große Sammlung unzusammenhängender Operationen zu präsentieren.

Für alltägliche und produktionsnahe Nutzung empfiehlt die Modellkarte eine Temperatur unter 0,1; höhere Temperaturen stehen für kreative Erkundung zur Verfügung. Behandle dies als Empfehlung für den Anweisungsablauf und nicht als separate Steuerung eines Reasoning-Modus. Die Familie besitzt eigenständige Checkpoints für Base, Instruct und Reasoning; dieser Eintrag ist die Ausgabe Instruct 2512 und nicht die separate Reasoning-Veröffentlichung derselben Größe.

Für Bilder empfiehlt der Hersteller Seitenverhältnisse nahe 1:1 und rät von sehr schmalen oder sehr breiten Eingaben ab. Schneide bei Bedarf zu und bewahre dabei die Beschriftungen und den Kontext, die die Frage benötigt. Enthält eine Seite mehrere unzusammenhängende Bereiche, benenne den zu prüfenden Teil und das zurückzugebende Ergebnis. Ein lesbares, fokussiertes Bild ist nützlicher, als das Modell raten zu lassen, welches kleine Detail auf einer umfassenden Seite wichtig ist.

Grenzen von Kontext und Ausgabe

Plane Text, Bilder, Dialog und gewünschte Antwort um den konfigurierten Kontext herum. Die Nutzungshinweise erlauben ausdrücklich eine Verringerung der konfigurierten Modelllänge, wenn weniger Kontext benötigt wird; das vollständige Fenster ist daher keine Anweisung, jede Anfrage mit allem verfügbaren Material zu füllen. Das Generierungsbeispiel mit 512 Tokens in der Modellkarte ist nur eine Beispieleinstellung, und die gelesenen Quellen belegen keine separate harte maximale Antwortlänge.

Der FP8-Instruct-Checkpoint, die vortrainierte Base-Veröffentlichung und die Reasoning-Veröffentlichung sind eigenständige Ausgaben. Der Hersteller beschreibt außerdem Spezialisierung und Fine-Tuning als Anwendungsfälle. Bewahre bei der Dialogvorbereitung den benannten Checkpoint und seinen Tokenizer und halte Texterzeugung getrennt von Repository-Zugriff, Funktionsausführung oder anderen Handlungen, die die umgebende Anwendung bereitstellt.