Ministral 3 14B

Dichtes Multimodal-Modell von Mistral AI (14B) ohne Reasoning, mit 256K-Kontext und Apache-2.0 – stärker als das 8B-Geschwister, konzise in der Ausgabe.

Überblick

Ministral 3 14B ist das stärkere der beiden Ministral-3-Modelle von Mistral AI: ein dichtes, multimodales Open-Weights-Modell mit Text- und Bildeingabe. Es ist ein Non-Reasoning-Modell und erreicht auf dem AA Intelligence Index 16 – deutlich über dem Klassenschnitt (Median 12).

Use Cases

Multimodale Aufgaben mit Text- und Bildeingabe
Schnelle Inferenz bei moderaten Hardware-Anforderungen
Aufgaben mit großem Kontext bis 256K Tokens
Self-Hosting offener Gewichte

Stärken & Grenzen

Stärken: Für die Größenklasse hoher Intelligence Index (16). Multimodaler Input, großes Kontextfenster (256K), niedrige Latenz (TTFT 0,81 s) und vergleichsweise konzise Ausgabe (11M Tokens im Intelligence-Index).

Grenzen: Mit 78 t/s langsamer und mit $0,20/1M etwas teurer als der Klassenschnitt. Kein Reasoning. Schwach bei agentischen Aufgaben (GDPval 0 %).

Praxis-Erfahrung

Listenpreise: ca. $0,20/1M Input und Output. Ausgabegeschwindigkeit rund 78 t/s. Gewichte offen auf Hugging Face.

Gut zu wissen

Lizenz: Apache-2.0 (kommerziell frei); Release 12/2025
Architektur: Dense, 14B; Kontext 256K
Weitere AA-Benchmarks ohne Eintrag in der Score-Tabelle (Quelle: Artificial Analysis): τ³-Banking 7 %, CritPt 0 %, AA-Omniscience Accuracy 12 %, Non-Hallucination Rate 10 %
Benchmark-Scores abgelesen aus den AA-Übersichtscharts (29.06.2026)

Weitere Benchmarks (Zusatzquellen)

Weitere berichtete Werte, für die in der Score-Tabelle oben kein Eintrag vorliegt.

Quelle: Mistral Blog „Introducing Mistral 3": AIME 2025 ca. 85 % (Reasoning-Variante; approximativer Wert aus Blog-Fließtext – die detaillierten Benchmark-Charts liegen nur als Bild vor, ein Technical Report existiert als arXiv:2601.08584). Auf HF-Model-Card, LMArena, Vellum und BenchLM sind keine tabellarischen Werte verfügbar.