Mistral: Ministral 3 8B 2512 (batch)

Ministral 3 8B Instruct 2512 es el modelo de tamaño intermedio ajustado para seguir instrucciones de la familia Ministral 3 de Mistral AI. El checkpoint publicado recibe posentrenamiento para chat y tareas de instrucciones con precisión FP8. Combina un componente de lenguaje con un codificador visual, acepta texto e imágenes y devuelve texto, en lugar de un artefacto de imagen o audio.

Arquitectura y funciones principales

Su desarrollador enumera un modelo de lenguaje de 8,400 millones de parámetros y un codificador visual de 400 millones de parámetros. Su ventana de contexto se describe como de 256k, y las notas de uso publicadas utilizan una longitud configurada predeterminada de 262,144. Esto describe la edición de tamaño 8B; los integrantes más pequeños de 3B y más grandes de 14B conservan sus propios tamaños de componentes y configuraciones.

La visión amplía la entrada del modelo más allá de una conversación escrita. Una imagen documental puede acompañarse de una pregunta sobre un campo, párrafo o relación visible seleccionados. Una captura de pantalla puede acompañarse del objetivo del usuario y una solicitud para identificar el control relevante. Solicita la observación que respalda cada conclusión cuando la respuesta dependa de un detalle visual, y conserva los encabezados, etiquetas y unidades necesarios para interpretar un recorte.

La ficha describe trabajo multilingüe en decenas de idiomas, entre ellos inglés, francés, español, alemán, italiano, portugués, neerlandés, chino, japonés, coreano y árabe. También identifica el seguimiento de instrucciones de sistema, las llamadas nativas a funciones y la salida JSON. Define explícitamente el idioma final, el rol y los requisitos de salida en lugar de dejar que el modelo infiera el artefacto previsto a partir de una entrada extensa.

Tareas documentales, de conversación y con agentes

Los casos de uso de su desarrollador incluyen interfaces de chat, asistentes cotidianos, descripción de imágenes y documentos, traducción, generación de contenido y agentes especializados. Para un asistente documental, proporciona la página y especifica la información que debe devolver. Una solicitud de extracción puede indicar las etiquetas de campos, los tipos esperados y el tratamiento de valores faltantes. Una respuesta útil puede contener el identificador del documento, el valor extraído y una explicación breve vinculada con la fuente visible.

Para una conversación continua, conserva la respuesta previa relevante y formula una pregunta posterior enfocada. Un usuario puede solicitar primero un resumen del documento y después preguntar qué declaración respalda una conclusión. Esto cambia la salida requerida de un panorama general a una explicación vinculada con la fuente, y conserva el material original y el propósito del diálogo.

Para edición multilingüe, proporciona el pasaje original, el lector previsto y una lista de terminología. Solicita una versión revisada que conserve nombres, condiciones y unidades, seguida de una explicación breve de los cambios si resulta útil. Para generación de contenido, especifica el público y los hechos que deben aparecer antes de pedir un borrador breve o una redacción alternativa.

En una tarea con agentes, la aplicación proporciona las herramientas y sus parámetros. El modelo puede elegir una función y preparar argumentos, mientras que la aplicación la ejecuta y devuelve el resultado. El ejemplo de función de la ficha combina una pregunta sobre una imagen con una herramienta de cálculo. Mantén separado el resultado de la herramienta de la llamada propuesta para que la respuesta escrita posterior use la información realmente devuelta por la operación.

Preparación y ajustes recomendados

Su desarrollador recomienda una instrucción de sistema que describa el entorno, el caso de uso y cómo se deben usar las herramientas. Mantén el conjunto de herramientas bien definido y limitado al mínimo necesario para la tarea. Un flujo pequeño de consulta puede ofrecer las funciones relevantes para la pregunta actual, con argumentos requeridos claramente identificados, en lugar de presentar una colección extensa de operaciones no relacionadas.

Para uso cotidiano y de tipo productivo, la ficha recomienda una temperatura inferior a 0.1, con temperaturas mayores disponibles para exploración creativa. Trata esto como una recomendación para el flujo de instrucciones, no como un control separado del modo de razonamiento. La familia tiene checkpoints Base, Instruct y Reasoning distintos; esta entrada corresponde a la edición Instruct 2512, no a la versión Reasoning independiente del mismo tamaño.

Para imágenes, su desarrollador recomienda relaciones de aspecto cercanas a 1:1 y evitar entradas muy delgadas o muy anchas. Recorta cuando sea necesario y conserva las etiquetas y el contexto que requiere la pregunta. Si una página contiene varias áreas no relacionadas, identifica la parte que se debe revisar y el resultado que debe devolver. Una imagen legible y enfocada resulta más útil que pedir al modelo que adivine qué detalle pequeño importa en una página amplia.

Límites de contexto y edición

Planea el texto, las imágenes, la conversación y la respuesta deseada según el contexto configurado. Las notas de uso permiten explícitamente reducir la longitud configurada del modelo cuando se necesita menos contexto, por lo que la ventana completa no es una instrucción para llenar cada solicitud con todo el material disponible. El ejemplo de generación de 512 tokens de la ficha es solo un ajuste ilustrativo, y las fuentes consultadas no establecen una longitud máxima de respuesta estricta e independiente.

El checkpoint Instruct FP8, la versión Base preentrenada y la versión Reasoning son ediciones independientes. Su desarrollador también describe la especialización y el ajuste fino como casos de uso. Conserva el checkpoint identificado y su tokenizador al preparar la conversación, y distingue la generación de texto del acceso a repositorios, la ejecución de funciones u otras acciones proporcionadas por la aplicación que lo integra.