Ministral-3-3B-Reasoning-2512

Ministral-3-3B-Reasoning-2512 сочетает языковую модель с 3,4 млрд параметров и визуальный энкодер с 0,4 млрд параметров. Модель является результатом трёхступенчатого процесса каскадной дистилляции: родительская модель Mistral Small 3.1 (24B) последовательно прореживается до 14B, затем до 8B и наконец до 3B, причём на каждом этапе применяется дистилляция знаний от более крупного «учителя». Такой подход позволяет сохранить высокое качество генерации при радикальном сокращении числа параметров и вычислительных затрат на обучение. Несмотря на компактный размер, модель сохраняет полноценный визуальный энкодер объёмом 0,4B параметров, обеспечивающий понимание изображений наравне с текстовой информацией. Это делает Ministral-3-3B одной из немногих моделей в категории до 4B параметров, обладающих встроенной мультимодальностью.

Модель является полноценной reasoning-версией, прошедшей пост-тренировку для выполнения задач, требующих логических рассуждений — математика, программирование, естественно-научные дисциплины. Поддерживаются десятки языков, обеспечивает строгое следование системным промптам и поддержку агентных функций с нативным вызовом инструментов и выводом в JSON. Контекстное окно в 256k токенов сохраняется даже в самой компактной версии семейства. На математическом бенчмарке AIME24 Ministral-3-3B набирает 0,775, обходя Qwen3-VL-4B-Thinking с результатом 0,729. На AIME25 модель показывает 0,721 против 0,697 у конкурента. На GPQA Diamond результат составляет 0,534 (Qwen3-VL-4B-Thinking — 0,601), таким образом результаты является исключительно высокими для 3B-модели.

Рекомендации по работе с изображениями аналогичны старшим моделям: соотношение сторон, близкое к 1:1, и обрезка при необходимости для оптимальной производительности. Также предлагается использовать выверенный системный промпт https://huggingface.co/mistralai/Ministral-3-3B-Reasoning-2512/blob/main/SYSTEM_PROMPT.txt , дополняя его кастомными инструкциями для определения среды и сценария использования, включая руководство по эффективному применению инструментов в агентных системах. При многошаговых диалогах важно сохранять цепочки рассуждений (reasoning traces) в контексте. Рекомендованная температура сэмплирования составляет 0,7 для большинства окружений, а набор инструментов должен быть чётко определён и ограничен минимально необходимым количеством во избежание перегрузки модели.

Ministral-3-3B идеальна для лёгких приложений, работающих в реальном времени на периферийных устройствах или оборудовании с минимальными ресурсами. Ключевые сценарии включают: создание подписей к изображениям, классификацию текстов, эффективный перевод в реальном времени, извлечение данных из неструктурированных источников, генерацию короткого контента, а также файн-тюнинг и специализацию под узкие задачи.

Дата анонса: 31.10.2025
Параметров: 5B
Контекст: 263K
Слоев: 26
Тип внимания: Full Attention
Разработчик: Mistral AI
Версия Transformers: 5.0.0.dev0
Лицензия: Apache 2.0

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Ministral-3-3B-Reasoning-2512. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.