A Mistral AI lançou a série Mistral 3 de modelos de código aberto, que variam de pequena escala (3B, 8B, 14B) até a versão grande MoE de 675B. Mistral Large 3 - O modelo mais poderoso da Mistral até o momento. Arquitetura: Adota a arquitetura MoE com um total de 675 bilhões de parâmetros (41 bilhões de parâmetros de ativação), um design avançado que garante desempenho extremamente alto, levando em consideração também a eficiência de inferência. • Capacidades: Atingiu o nível máximo de relevância atual entre os softwares de código aberto em diálogo multilíngue, compreensão de imagens (multimodal) e conformidade com instruções gerais. • Destaques: Apesar de ser um modelo de grande porte, ele foi otimizado para facilitar a implantação (com suporte à operação em nó único) por meio da colaboração com parceiros como a NVIDIA. Ministral Série 3 - Alta relação custo-benefício, implantação na borda · Posicionamento: Foca em "alta relação custo-benefício" e "implantação na borda" (como em laptops ou até mesmo robôs). • Especificações: Inclui três escalas de parâmetros: 3B, 8B e 14B. • Características: Apesar do seu tamanho reduzido, ainda possuem capacidades multimodais (visualização de imagens) e foram lançadas com uma versão dedicada à inferência. Por exemplo, a versão de inferência do modelo 14B alcançou uma precisão de 85% no teste de nível de competição matemática AIME '25, o que é notável para um modelo pequeno. Destaques e tendências técnicas: Adoção plena da multimodalidade e do multilinguismo Todos os modelos do Mistral 3 oferecem suporte nativo à compreensão de imagens, não se limitando mais a texto simples. Além disso, a documentação oficial enfatiza especificamente seu desempenho superior em ambientes que não utilizam o inglês (especialmente em ambientes multilíngues), o que é crucial para negócios globais. • Descentralizar a capacidade de raciocínio: As capacidades de raciocínio profundo normalmente são encontradas apenas em modelos muito grandes (como a cadeia de pensamento do OpenAI o1), mas o Mistral estendeu essa capacidade para modelos menores, como o Mistral 3. Isso significa que, em muitos cenários especializados, não precisamos mais depender de modelos caros e de grande porte baseados em nuvem. • Otimização profunda do ecossistema: A Mistral não se limitou a "eliminar e esquecer", mas sim a estabelecer parcerias com gigantes da infraestrutura como NVIDIA, Red Hat e vLLM para uma integração profunda. Por exemplo, lançaram checkpoints especialmente otimizados, permitindo que esses grandes modelos fossem executados mais rapidamente com menos recursos de hardware.
