Ministral 3 (8B Base 2512)
Ministral 3 (8B Base 2512) est un LLM multimodal à poids ouverts publié par Mistral AI le 4 décembre 2025. Cette version de base pré-entraînée associe un modèle de langage de 8,4 milliards de paramètres à un encodeur vision de 0,4 milliard, afin de traiter du texte et des images.
Ministral 3 (8B Base 2512) est un LLM multimodal à poids ouverts publié par Mistral AI le 4 décembre 2025. Cette version de base pré-entraînée associe un modèle de langage de 8,4 milliards de paramètres à un encodeur vision de 0,4 milliard, afin de traiter du texte et des images.
Le modèle se distingue par une fenêtre de contexte de 256k et la prise en charge de dizaines de langues, notamment le français, l’anglais, l’espagnol, l’allemand, le chinois, le japonais et l’arabe. Sa licence Apache 2.0 autorise les usages commerciaux, tandis que son orientation edge et locale vise les déploiements décentralisés.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Mistral AI |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | Apache 2.0 |
| Date de sortie | 4 décembre 2025 |
| Multimodal | oui |
| Paramètres | 8 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| MMLU-Redux | 79,3 % | 41ᵉ / 48 | llm-stats | Auto-déclaré |
| MMLU | 76,1 % | 71ᵉ / 98 | llm-stats | Auto-déclaré |
| Multilingual MMLU | 70,6 % | 3ᵉ / 5 | llm-stats | Auto-déclaré |
| TriviaQA | 68,1 % | 14ᵉ / 18 | llm-stats | Auto-déclaré |
| MATH (CoT) | 62,6 % | 4ᵉ / 6 | llm-stats | Auto-déclaré |
| AGIEval | 59,1 % | 3ᵉ / 10 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. Ministral 3 (8B Base 2512) combine traitement du texte et des images dans une architecture pensée pour une exécution en edge ou en local. Sa fenêtre de contexte de 256k convient au traitement de volumes textuels étendus, tandis que sa couverture de dizaines de langues élargit les scénarios multilingues. La compatibilité avec vLLM et Transformers fournit deux options concrètes de déploiement. Les poids ouverts et la licence Apache 2.0 autorisent également l’intégration, la modification et l’exploitation commerciale du modèle.
Limites et points d'attention. Il s’agit d’une version de base pré-entraînée, sans affinage spécifique pour suivre des instructions ou accomplir des tâches de raisonnement. Elle ne doit donc pas être assimilée à un assistant directement optimisé pour le dialogue. À sa sortie, son résultat sur MMLU le plaçait dans le top 71 % des 82 LLM de sa génération, une position qui ne le situait pas parmi les modèles les plus performants de cette cohorte. Ministral 3 (8B Base 2512) cible surtout les projets recherchant un socle multimodal, multilingue, exploitable commercialement et déployable localement.
Sources des données : LLM-Stats (llm-stats.com).