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 punto de control publicado está posentrenado para tareas de chat e instrucciones con precisión FP8. Combina un componente lingüístico con un codificador visual, acepta texto e imágenes y devuelve texto, en lugar de una imagen o un archivo de audio.

Arquitectura y funciones principales

El fabricante enumera un modelo lingüístico de 8,4 mil millones de parámetros y un codificador visual de 0,4 mil millones de parámetros. Su ventana de contexto se describe como 256k, y las notas de uso publicadas utilizan una longitud configurada por defecto de 262.144. Estos datos describen esta edición de tamaño 8B; los miembros más pequeño 3B y más grande 14B de la familia 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 puede acompañarse del objetivo del usuario y una solicitud de identificar el control pertinente. Pide la observación que respalda cada conclusión cuando la respuesta dependa de detalles visuales, y conserva los encabezados, las etiquetas y las 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 seguimiento de instrucciones del sistema, llamadas nativas a funciones y salida JSON. Define explícitamente el idioma final, el papel y los requisitos de salida, en lugar de dejar que el modelo deduzca el entregable previsto de una entrada extensa.

Tareas documentales, de conversación y de agentes

Los casos de uso del fabricante 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 se debe devolver. Una solicitud de extracción puede indicar las etiquetas de los campos, los tipos esperados y el tratamiento de los valores ausentes. Una respuesta útil puede contener el identificador del documento, el valor extraído y una explicación breve vinculada a la fuente visible.

Para una conversación en curso, conserva la respuesta previa pertinente y formula una pregunta de seguimiento delimitada. Un usuario puede pedir primero un resumen documental y después preguntar qué afirmación respalda una conclusión. Esto cambia la salida requerida de una visión general a una explicación vinculada a fuentes, conservando el material original y la finalidad del diálogo.

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

En una tarea de agentes, la aplicación proporciona las herramientas y sus parámetros. El modelo puede elegir una función y preparar los 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 el resultado de la herramienta separado de la llamada propuesta para que la respuesta escrita posterior utilice la información realmente devuelta por la operación.

Preparación y ajustes recomendados

El fabricante recomienda una instrucción del sistema que describa el entorno, el caso de uso y cómo se deben utilizar 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 pertinentes para la pregunta actual, con argumentos requeridos claramente nombrados, en lugar de presentar una colección amplia de operaciones inconexas.

Para el uso cotidiano y en producción, la ficha recomienda una temperatura inferior a 0.1, con temperaturas superiores disponibles para exploración creativa. Trátalo como una recomendación para el flujo de instrucciones, no como un control independiente de modo de razonamiento. La familia tiene puntos de control Base, Instruct y Reasoning distintos; esta entrada es la edición Instruct 2512, no la versión Reasoning independiente del mismo tamaño.

Para las imágenes, el fabricante recomienda proporciones próximas a 1:1 y evitar entradas muy estrechas o muy anchas. Recorta cuando sea necesario conservando las etiquetas y el contexto que requiere la pregunta. Si una página contiene varias áreas inconexas, identifica la parte que se debe inspeccionar y el resultado que se debe devolver. Una imagen legible y enfocada es más útil que pedir al modelo que adivine qué detalle pequeño importa en una página extensa.

Límites del contexto y de la edición

Planifica el texto, las imágenes, la conversación y la respuesta deseada en función del 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 estricta e independiente de respuesta.

El punto de control FP8 Instruct, la versión Base preentrenada y la versión Reasoning son ediciones separadas. El fabricante también describe la especialización y el ajuste fino como casos de uso. Conserva el punto de control nombrado y su tokenizador al preparar la conversación, y distingue la generación de texto del acceso al repositorio, la ejecución de funciones u otras acciones proporcionadas por la aplicación que rodea al modelo.