Was ist Ministral 3 (3B, 8B and 14B)?
Ministral 3 ist die Familie kleiner Modelle von Mistral AI, veröffentlicht am 2. Dezember 2025 zusammen mit Mistral Large 3. Sie umfasst drei dichte Größen mit 3B, 8B und 14B Parametern, und jede Größe gibt es als Base-, Instruct- und Reasoning-Version. Alle lesen neben Text auch Bilder, unterstützen einen Kontext von 256.000 Tokens (128.000 beim 3B über OpenRouter) und stehen unter Apache 2.0.
Mistral hat sie für den lokalen Einsatz und Edge-Geräte gebaut. Das 14B-Instruct-Modell passt in FP8 in 24 GB Grafikspeicher, und NVIDIA hat die Familie für DGX Spark, RTX-PCs und -Laptops sowie Jetson-Geräte optimiert. Die Gewichte liegen auf Hugging Face, und die Modelle sind über Mistrals API und Cloud-Plattformen wie Amazon Bedrock, Azure Foundry, OpenRouter und Together AI verfügbar.
Über Mistrals API kostet das 14B 0,20 $ pro Million Tokens, das 8B 0,15 $ und das 3B 0,10 $, jeweils gleich für Input und Output. Laut Mistral leistet das 14B etwa so viel wie das ältere, größere Mistral Small 3.2 24B.
Was kostet Ministral 3 (3B, 8B and 14B)?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Ministral 3 14B | $0.20 per 1M tokens | Input und Output |
| Ministral 3 8B | $0.15 per 1M tokens | |
| Ministral 3 3B | $0.10 per 1M tokens |
Offene Gewichte unter Apache 2.0. Mistral API: 14B 0,20 $, 8B 0,15 $, 3B 0,10 $ pro 1 Mio. Tokens, gleich für Input und Output; Batch zum halben Preis.
Lohnt sich Ministral 3 (3B, 8B and 14B)?
Die Stärke von Ministral 3 ist die Vollständigkeit. Nur wenige Familien bieten drei Größen, jede als Base-, Instruct- und Reasoning-Version, alle mit Bildeingabe, alle unter Apache 2.0 ohne Bedingungen. Für ein Team, das ein Base-Modell feintunen, ein Instruct-Modell ausliefern und bei schwierigen Anfragen auf ein Reasoning-Modell ausweichen will, von einem Anbieter und unter einer Lizenz, deckt sie alles ab.
In Mistrals eigenen Tabellen sind die Reasoning-Versionen für ihre Größe stark. Das 14B-Reasoning-Modell erreicht 85,0 % bei AIME 2025 und 71,2 % bei GPQA Diamond, und das 3B schlägt Qwen3-VL-4B-Thinking bei AIME. Das 14B-Instruct-Modell liegt bei Arena Hard und WildBench vor Qwen3 14B und Gemma 3 12B. Doch die Vision-Modelle von Qwen gewinnen mehrere der direkten Vergleiche, die Mistral abdruckt: Qwen3-VL-8B-Instruct schlägt das 8B bei Arena Hard und Mathematik, und Qwen3-VL-4B-Instruct schlägt das 3B in den meisten Zeilen.
Der lokale Einsatz ist der praktische Teil. Das 14B-Instruct-Modell läuft in FP8 in 24 GB, eine einzelne Consumer-GPU oder ein aktueller Laptop mit genug Speicher reicht also, und das 3B passt auf Smartphones und Jetson-Boards. Laut Mistral erzeugen die Instruct-Modelle für dieselbe Antwort oft weit weniger Tokens als die Konkurrenz, was für die Latenz auf kleiner Hardware zählt.
Die Familie ist zehn Monate alt, und seither sind neuere kleine Modelle erschienen, darunter Gemma 4. Für europäische Teams, die ein freizügig lizenziertes, multimodales kleines Modell wollen, bleibt sie eine sichere Standardwahl.
Wo es sich lohnt
Ein Entwickler, der einen Offline-Assistenten für eine Laptop-App baut
Ein fähiges Modell mit Bildeingabe lokal betreiben
Ministral 3 14B Instruct in FP8 nutzen, das in 24 GB passt, oder weiter quantisieren. NVIDIAs Optimierungen für RTX und DGX Spark decken die gängige Hardware ab.
Ein Robotik- oder IoT-Team
Ein Vision-Language-Modell auf ein Embedded-Board bringen
Ministral 3 3B läuft auf NVIDIA-Jetson-Geräten und liest Kamerabilder direkt. Für mehrstufige Planung auf die 3B-Reasoning-Version wechseln.
Ein Startup, das Dokumente in großer Menge klassifiziert und Daten daraus extrahiert
Die Kosten pro Anfrage nahe null halten
Über Mistrals API erledigt das 8B für 0,15 $ pro Million Tokens eine Million Extraktionsaufrufe mit je 1.500 Tokens für etwa 225 $, per Batch für die Hälfte.
Bevor du dich festlegst
- Einrichtung
- Von Hugging Face herunterladen (Instruct-Modelle in FP8, Base und Reasoning in BF16) oder ministral-3b-2512, ministral-8b-2512 oder ministral-14b-2512 über Mistrals API aufrufen.
- Integrationen
- Builds für vLLM, SGLang, TensorRT-LLM, llama.cpp und Ollama; Amazon Bedrock, Azure Foundry, IBM watsonx, OpenRouter, Fireworks, Together AI und Modal. Function Calling und strukturierte Ausgaben.
- Daten und Datenschutz
- Apache 2.0 ohne Nutzungsbeschränkungen beim Selbsthosten. Über Mistrals API können Eingaben und Ausgaben der kostenlosen Stufe fürs Training genutzt werden, wenn du nicht widersprichst; Nutzer mit Pay-as-you-go können widersprechen.
- Kosten im großen Maßstab
- 0,10 $ bis 0,20 $ pro Million Tokens über Mistrals API, Batch zum halben Preis. Selbst gehostet braucht das 14B in FP8 eine GPU mit 24 GB; das 3B läuft auf Smartphones und Jetson-Boards.
- Grenzen
- Kontext von 256.000 Tokens beim 8B und 14B (128.000 beim 3B über OpenRouter); nur Text- und Bildeingabe. Reasoning-Versionen verbrauchen mehr Tokens als die Instruct-Versionen.
Was gut ist
- Base-, Instruct- und Reasoning-Versionen mit 3B, 8B und 14B
- Bildeingabe in jedem Modell; Kontext von 256.000 Tokens
- Apache 2.0 ohne Bedingungen
- 14B-Instruct passt in FP8 in 24 GB Grafikspeicher
Was nicht
- Qwen3-VL-Modelle schlagen es in mehreren von Mistrals eigenen Vergleichen
- Erschienen im Dezember 2025; seither sind neuere kleine Modelle gekommen
- Mistrals kostenlose API-Stufe kann mit Eingaben trainieren, wenn du nicht widersprichst
- Keine Audioeingabe
Am besten für
Teams, die ein kleines, freizügig lizenziertes Modell mit Vision für Laptops, Edge-Geräte oder günstige gehostete Inferenz brauchen.
Alternativen zu Ministral 3 (3B, 8B and 14B)
Ministral 3 (3B, 8B and 14B): häufige Fragen
- Lohnt sich Ministral 3 (3B, 8B and 14B)?
- Eine vollständige Familie kleiner Modelle unter einer sauberen Lizenz, mit Reasoning und Vision in jeder Größe; Qwen liegt in mehreren von Mistrals eigenen Vergleichen trotzdem knapp vorn. Wir bewerten es mit 4.1 von 5.
- Was kostet Ministral 3 (3B, 8B and 14B)?
- Offene Gewichte unter Apache 2.0. Mistral API: 14B 0,20 $, 8B 0,15 $, 3B 0,10 $ pro 1 Mio. Tokens, gleich für Input und Output; Batch zum halben Preis.
- Welche Nachteile hat Ministral 3 (3B, 8B and 14B)?
- Qwen3-VL-Modelle schlagen es in mehreren von Mistrals eigenen Vergleichen; Erschienen im Dezember 2025; seither sind neuere kleine Modelle gekommen; Mistrals kostenlose API-Stufe kann mit Eingaben trainieren, wenn du nicht widersprichst; Keine Audioeingabe.
- Für wen eignet sich Ministral 3 (3B, 8B and 14B)?
- Teams, die ein kleines, freizügig lizenziertes Modell mit Vision für Laptops, Edge-Geräte oder günstige gehostete Inferenz brauchen.
- Was kostet Ministral 3 (3B, 8B and 14B) für ein Team oder im Produktivbetrieb?
- 0,10 $ bis 0,20 $ pro Million Tokens über Mistrals API, Batch zum halben Preis. Selbst gehostet braucht das 14B in FP8 eine GPU mit 24 GB; das 3B läuft auf Smartphones und Jetson-Boards.
- Ist Ministral 3 (3B, 8B and 14B) sicher für Firmendaten?
- Apache 2.0 ohne Nutzungsbeschränkungen beim Selbsthosten. Über Mistrals API können Eingaben und Ausgaben der kostenlosen Stufe fürs Training genutzt werden, wenn du nicht widersprichst; Nutzer mit Pay-as-you-go können widersprechen.
- Was sind die besten Alternativen zu Ministral 3 (3B, 8B and 14B)?
- Die nächsten Alternativen, die wir getestet haben, sind Gemma 4, Phi-4-multimodal, MiniCPM5-2B und SmolLM3-3B.
Antworten geprüft am 25. Okt. 2026.