Qu’est-ce que Ministral 3 (3B, 8B and 14B) ?
Ministral 3 est la famille de petits modèles de Mistral AI, sortie le 2 décembre 2025 aux côtés de Mistral Large 3. Elle se décline en trois tailles denses, 3B, 8B et 14B de paramètres, et chaque taille a une version base, une instruct et une raisonnement. Toutes lisent les images comme le texte, prennent en charge un contexte de 256K (128K sur le 3B via OpenRouter) et sont sous licence Apache 2.0.
Mistral les a conçues pour l'usage local et edge. Le modèle instruct 14B tient dans 24 GB de mémoire vidéo en FP8, et NVIDIA a optimisé la famille pour DGX Spark, les PC RTX et les portables, et les appareils Jetson. Les poids sont sur Hugging Face, et les modèles sont sur l'API et les plateformes cloud de Mistral dont Amazon Bedrock, Azure Foundry, OpenRouter et Together AI.
Sur l'API de Mistral, le 14B coûte 0,20 $ par million de tokens, le 8B 0,15 $ et le 3B 0,10 $, au même tarif pour l'entrée et la sortie. Mistral indique que le 14B se comporte de façon comparable à son ancien et plus grand Mistral Small 3.2 24B.
Combien coûte Ministral 3 (3B, 8B and 14B) ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Apache 2.0 |
| Ministral 3 14B | $0.20 per 1M tokens | Entrée et sortie |
| Ministral 3 8B | $0.15 per 1M tokens | |
| Ministral 3 3B | $0.10 per 1M tokens |
Poids ouverts sous Apache 2.0. API Mistral : 14B 0,20 $, 8B 0,15 $, 3B 0,10 $ par 1M de tokens, le même pour l'entrée et la sortie ; batch à moitié prix.
Ministral 3 (3B, 8B and 14B) vaut-il le coup ?
La force de Ministral 3 est sa complétude. Peu de familles offrent trois tailles, chacune en versions base, instruct et raisonnement, toutes lisant les images, toutes sous Apache 2.0 sans conditions. Pour une équipe qui veut affiner un modèle base, livrer un modèle instruct et se rabattre sur un modèle raisonnement pour les requêtes difficiles, d'un seul fournisseur et d'une seule licence, elle couvre tout.
Sur les propres tableaux de Mistral, les versions raisonnement sont fortes pour leur taille. Le modèle raisonnement 14B obtient 85,0 % sur AIME 2025 et 71,2 % sur GPQA Diamond, et le 3B bat Qwen3-VL-4B-Thinking sur AIME. L'instruct 14B devance Qwen3 14B et Gemma 3 12B sur Arena Hard et WildBench. Mais les modèles de vision de Qwen gagnent plusieurs des face-à-face que Mistral imprime : Qwen3-VL-8B-Instruct bat le 8B sur Arena Hard et les maths, et Qwen3-VL-4B-Instruct bat le 3B sur la plupart des lignes.
L'histoire locale est la plus pratique. L'instruct 14B tourne dans 24 GB en FP8, si bien qu'un seul GPU grand public ou un portable récent avec assez de mémoire suffira, et le 3B tient sur les téléphones et les cartes Jetson. Mistral indique que les modèles instruct produisent souvent bien moins de tokens que les rivaux pour la même réponse, ce qui compte pour la latence sur du petit matériel.
Il a dix mois, et des modèles plus récents sont arrivés depuis, dont Gemma 4. Il reste un choix par défaut sûr pour les équipes européennes qui veulent un petit modèle multimodal permissif.
Là où il fait la différence
Un développeur qui construit un assistant hors ligne pour une appli de portable
Faire tourner un modèle capable en local avec entrée d'image
Utiliser Ministral 3 14B Instruct en FP8, qui tient dans 24 GB, ou quantifier davantage. Les optimisations RTX et DGX Spark de NVIDIA couvrent le matériel courant.
Une équipe robotique ou IoT
Mettre un modèle vision-langage sur une carte embarquée
Ministral 3 3B tourne sur les appareils NVIDIA Jetson et lit directement les images de caméra. Passez à la version raisonnement 3B pour la planification en plusieurs étapes.
Une startup qui classe et extrait des documents à grande échelle
Garder des coûts par requête proches de zéro
Sur l'API de Mistral, le 8B à 0,15 $ par million de tokens gère un million d'appels d'extraction de 1 500 tokens pour environ 225 $, ou la moitié en batch.
Avant de vous engager
- Mise en route
- Téléchargez depuis Hugging Face (modèles instruct en FP8, base et raisonnement en BF16), ou appelez ministral-3b-2512, ministral-8b-2512 ou ministral-14b-2512 sur l'API de Mistral.
- Intégrations
- Versions vLLM, SGLang, TensorRT-LLM, llama.cpp et Ollama ; Amazon Bedrock, Azure Foundry, IBM watsonx, OpenRouter, Fireworks, Together AI et Modal. Appel de fonctions et sorties structurées.
- Données et confidentialité
- Apache 2.0 sans restriction d'usage en auto-hébergement. Sur l'API de Mistral, les entrées et sorties du niveau gratuit peuvent servir à l'entraînement sauf si vous vous y opposez ; les utilisateurs à l'usage peuvent s'y opposer.
- Coût à grande échelle
- 0,10 $ à 0,20 $ par million de tokens sur l'API de Mistral, avec le batch à moitié prix. En auto-hébergement, le 14B en FP8 a besoin d'un GPU de 24 GB ; le 3B tourne sur les téléphones et les cartes Jetson.
- Limites
- Contexte de 256K sur le 8B et le 14B (128K pour le 3B sur OpenRouter) ; entrée texte et image uniquement. Les versions raisonnement utilisent plus de tokens que les instruct.
Les points forts
- Versions base, instruct et raisonnement à 3B, 8B et 14B
- Entrée d'image dans chaque modèle ; contexte de 256K
- Apache 2.0 sans conditions
- L'instruct 14B tient dans 24 GB de mémoire vidéo en FP8
Les points faibles
- Les modèles Qwen3-VL le battent sur plusieurs des propres comparaisons de Mistral
- Sorti en décembre 2025 ; des modèles plus récents sont arrivés depuis
- Le niveau gratuit de l'API de Mistral peut s'entraîner sur les entrées sauf si vous vous y opposez
- Pas d'entrée audio
Idéal pour
Les équipes qui ont besoin d'un petit modèle sous licence permissive avec vision pour les portables, les appareils edge ou une inférence hébergée bon marché.
Alternatives à Ministral 3 (3B, 8B and 14B)
Ministral 3 (3B, 8B and 14B) : questions fréquentes
- Ministral 3 (3B, 8B and 14B) vaut-il le coup ?
- Une famille de petits modèles complète sous une licence propre, avec raisonnement et vision dans chaque taille ; Qwen la devance encore sur plusieurs des propres comparaisons de Mistral. Nous lui donnons 4.1 sur 5.
- Combien coûte Ministral 3 (3B, 8B and 14B) ?
- Poids ouverts sous Apache 2.0. API Mistral : 14B 0,20 $, 8B 0,15 $, 3B 0,10 $ par 1M de tokens, le même pour l'entrée et la sortie ; batch à moitié prix.
- Quels sont les inconvénients de Ministral 3 (3B, 8B and 14B) ?
- Les modèles Qwen3-VL le battent sur plusieurs des propres comparaisons de Mistral; sorti en décembre 2025 ; des modèles plus récents sont arrivés depuis; le niveau gratuit de l'API de Mistral peut s'entraîner sur les entrées sauf si vous vous y opposez; pas d'entrée audio.
- À qui s’adresse Ministral 3 (3B, 8B and 14B) ?
- Les équipes qui ont besoin d'un petit modèle sous licence permissive avec vision pour les portables, les appareils edge ou une inférence hébergée bon marché.
- Combien coûte Ministral 3 (3B, 8B and 14B) pour une équipe ou en production ?
- 0,10 $ à 0,20 $ par million de tokens sur l'API de Mistral, avec le batch à moitié prix. En auto-hébergement, le 14B en FP8 a besoin d'un GPU de 24 GB ; le 3B tourne sur les téléphones et les cartes Jetson.
- Ministral 3 (3B, 8B and 14B) est-il sûr pour les données de l’entreprise ?
- Apache 2.0 sans restriction d'usage en auto-hébergement. Sur l'API de Mistral, les entrées et sorties du niveau gratuit peuvent servir à l'entraînement sauf si vous vous y opposez ; les utilisateurs à l'usage peuvent s'y opposer.
- Quelles sont les meilleures alternatives à Ministral 3 (3B, 8B and 14B) ?
- Les alternatives les plus proches que nous avons testées sont Gemma 4, Phi-4-multimodal, MiniCPM5-2B et SmolLM3-3B.
Réponses vérifiées le 25 oct. 2026.