Mistral: Ministral 3 8B 2512 (batch)

Ministral 3 8B Instruct 2512 är den mellanstora instruktionsanpassade modellen i Mistral AI:s Ministral 3-familj. Den publicerade modellversionen är eftertränad för chatt- och instruktionsuppgifter med FP8-precision. Den kombinerar en språkkomponent med en bildkodare, tar emot text och bilder och returnerar text snarare än en bild- eller ljudleverans.

Arkitektur och nyckelfunktioner

Tillverkaren anger en språkmodell med 8,4 miljarder parametrar och en bildkodare med 0,4 miljarder parametrar. Kontextfönstret beskrivs som 256k token, och de publicerade användningsanvisningarna använder en förinställd kontextlängd på 262 144. Dessa uppgifter beskriver utgåvan i 8B-storlek; familjens mindre 3B- och större 14B-modeller behåller sina egna komponentstorlekar och konfigurationer.

Bildförståelse utökar modellens indata bortom ett skriftligt samtal. En dokumentbild kan kombineras med en fråga om ett valt fält, stycke eller synligt samband. En skärmbild kan kombineras med användarens mål och en begäran att identifiera den relevanta kontrollen. Begär observationen som stöder varje slutsats när svaret beror på bilddetaljer, och bevara rubriker, etiketter och enheter som behövs för att tolka ett utsnitt.

Modellkortet beskriver flerspråkigt arbete på tiotals språk, däribland engelska, franska, spanska, tyska, italienska, portugisiska, nederländska, kinesiska, japanska, koreanska och arabiska. Det anger också följsamhet till systeminstruktioner, inbyggda funktionsanrop och JSON-utdata. Definiera målspråk, roll och utmatningskrav uttryckligen i stället för att låta modellen härleda den avsedda leveransen ur stora indata.

Dokument-, samtals- och agentuppgifter

Tillverkarens användningsfall omfattar chattgränssnitt, vardagsassistenter, bild- och dokumentbeskrivning, översättning, innehållsgenerering och specialiserade agenter. För en dokumentassistent tillhandahåller du sidan och anger informationen som ska returneras. En extraktionsbegäran kan ange fältetiketter, förväntade typer och hantering av saknade värden. Ett användbart svar kan innehålla dokumentidentifieraren, det extraherade värdet och en kort förklaring knuten till den synliga källan.

För ett pågående samtal behåller du det relevanta tidigare svaret och ställer en fokuserad följdfråga. En användare kan först begära en dokumentsammanfattning och sedan fråga vilken utsaga som stöder en slutsats. Det ändrar de nödvändiga utdata från en allmän översikt till en källanknuten förklaring, samtidigt som originalmaterialet och dialogens syfte behålls.

För flerspråkig redigering tillhandahåller du originalavsnittet, den avsedda läsaren och en terminologilista. Begär en reviderad version som bevarar namn, villkor och enheter, följd av en kort förklaring av ändringarna om det är användbart. För innehållsgenerering anger du målgruppen och fakta som ska finnas med innan du begär ett kort utkast eller en alternativ formulering.

I en agentuppgift tillhandahåller applikationen verktygen och deras parametrar. Modellen kan välja en funktion och förbereda argument, medan applikationen kör den och returnerar resultatet. Modellkortets funktionsexempel kombinerar en bildfråga med ett beräkningsverktyg. Håll verktygsresultatet skilt från det föreslagna anropet så att det efterföljande skriftliga svaret använder den information som operationen faktiskt returnerade.

Rekommenderad förberedelse och inställningar

Tillverkaren rekommenderar en systeminstruktion som beskriver miljön, användningsfallet och hur verktyg ska användas. Håll verktygsuppsättningen väldefinierad och begränsad till det minsta som uppgiften behöver. Ett litet uppslagningsflöde kan erbjuda funktionerna som är relevanta för den aktuella frågan, med tydligt namngivna obligatoriska argument, i stället för att presentera en stor samling orelaterade operationer.

För vardaglig användning och produktionsliknande användning rekommenderar modellkortet en temperatur under 0.1, med högre temperaturer tillgängliga för kreativ utforskning. Behandla detta som en rekommendation för instruktionsflödet, inte som en separat kontroll för resonemangsläge. Familjen har separata Base-, Instruct- och Reasoning-versioner; den här posten är utgåvan Instruct 2512, inte den separata Reasoning-utgåvan i samma storlek.

För bilder rekommenderar tillverkaren bildförhållanden nära 1:1 och att undvika mycket smala eller mycket breda indata. Beskär vid behov och bevara samtidigt de etiketter och det sammanhang som frågan behöver. Om en sida innehåller flera orelaterade områden anger du delen som ska granskas och resultatet som ska returneras. En läsbar, fokuserad bild är mer användbar än att be modellen gissa vilken liten detalj på en stor sida som är viktig.

Kontextens och utgåvans gränser

Planera text, bilder, samtal och önskat svar utifrån den konfigurerade kontexten. Användningsanvisningarna tillåter uttryckligen att den konfigurerade modellängden minskas när mindre kontext behövs, så hela fönstret är inte en instruktion att fylla varje begäran med allt tillgängligt material. Modellkortets genereringsexempel på 512 token är bara en exempelinställning, och de lästa källorna fastställer ingen separat strikt maximal svarslängd.

FP8 Instruct-versionen, den förtränade Base-utgåvan och Reasoning-utgåvan är separata utgåvor. Tillverkaren beskriver också specialisering och finjustering som användningsfall. Bevara den namngivna modellversionen och dess tokenizer när samtalet förbereds och håll textgenerering skild från åtkomst till kodarkiv, funktionskörning eller andra åtgärder som den omgivande applikationen tillhandahåller.