Ministral-3-8B-Reasoning-2512

Ministral-3-8B-Reasoning-2512 построена по той же архитектуре, что и старшая модель: языковая часть насчитывает 8,4 млрд параметров, а визуальный энкодер — 0,4 млрд параметров. Модель получена методом каскадной дистилляции из Mistral Small 3.1 (24B) через промежуточную стадию — сначала родительская модель прореживается (pruning) до размера 14B, затем проводится дальнейшее прореживание до 8B с параллельной дистилляцией знаний на каждом этапе. Такой двухступенчатый процесс обеспечивает эффективный перенос знаний при значительном сокращении вычислительных затрат на обучение. Модель – полноценная reasoning-версия модели, прошедшая пост-тренировку для решения задач, требующих сложных рассуждений — математика, программирование, естественно-научные дисциплины. Модель поддерживает десятки языков, строго следует системным промптам и предлагает агентные возможности с нативной поддержкой вызова функций и вывода в JSON. Контекстное окно в 256k токенов позволяет обрабатывать большие объёмы информации в рамках одного сеанса.

На бенчмарке LiveCodeBench (оценка способности генерировать и понимать программный код) Ministral-3-8B набирает 0,616, опережая Qwen3-VL-8B-Thinking с результатом 0,580. На математических тестах AIME25 и AIME24 модель показывает 0,787 и 0,860 соответственно, что сопоставимо с показателями Qwen3-VL-8B-Thinking (0,798 и 0,860). На GPQA Diamond результат составляет 0,668 чуть ниже, чем у вышеуказанного конкурента - 0,671.

Разработчики рекомендуют при работе с визуальным вводом придерживаться соотношения сторон, близкого к 1:1, и при необходимости обрезать изображения для оптимальной производительности. Для максимальной эффективности рассуждений рекомендуется использовать прилагаемый системный промпт https://huggingface.co/mistralai/Ministral-3-8B-Reasoning-2512/blob/main/SYSTEM_PROMPT.txt , дополняя его кастомными инструкциями для чёткого определения среды и сценария использования, включая указания по эффективной работе с инструментами в агентных системах. При многошаговых взаимодействиях необходимо сохранять цепочки рассуждений (reasoning traces) в контексте диалога. Рекомендованная температура сэмплирования составляет 0,7 для большинства окружений. Как и для других моделей семейства, набор используемых инструментов должен быть чётко определён и ограничен минимально необходимым количеством.

Ministral-3-8B идеально подходит для работы в локальных системах, сочетая универсальность с эффективностью. Основные сценарии включают: чат-интерфейсы в средах с ограниченными ресурсами, локальные AI-ассистенты для повседневного использования, описание и понимание изображений/документов, перевод и генерацию контента, специализированные агентные приложения, а также файн-тюнинг под конкретные задачи.

Дата анонса: 31.10.2025
Параметров: 9B
Контекст: 263K
Слоев: 34
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-3-8B-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.