Mistral Small 3 在 70B 以下的“小型”大型语言模型类别中树立了新的基准，拥有 24B 参数，并实现了与更大型号相当的先进功能。

Mistral Small 可以在本地部署，并且具有出色的“知识密度”，量化后可装入单个 RTX 4090 或 32GB RAM MacBook。非常适合：

• 快速响应对话代理。
• 低延迟函数调用。
• 通过微调的主题 matter 专家。
• 为业余爱好者和处理敏感数据的组织进行本地推理。

主要特点

• 多语言： 支持数十种语言，包括英语、法语、德语、西班牙语、意大利语、中文、日语、韩语、葡萄牙语、荷兰语和波兰语。
• 以代理为中心： 通过原生函数调用和 JSON 输出，提供一流的代理功能。
• 高级推理： 最先进的对话和推理能力。
• Apache 2.0 许可证： 开放许可证，允许商业和非商业目的的使用和修改。
• 上下文窗口： 32k 上下文窗口。
• 系统提示： 保持对系统提示的强烈遵守和支持。
• 分词器： 使用具有 131k 词汇量的 Tekken 分词器。

人工评估

我们与外部第三方供应商对超过 1k 个专有编码和通用提示集进行了并排评估。评估人员的任务是从 Mistral Small 3 与另一个模型生成的匿名生成结果中选择他们偏好的模型响应。我们意识到，在某些情况下，关于人类判断的基准与公开可用的基准存在显著差异，但我们已格外谨慎地验证了公平的评估。我们确信上述基准是有效的。

Instruct 性能

我们的指令调整模型在代码、数学、通用知识和指令遵循基准测试中，与大小为其三倍的开放权重模型以及专有的 GPT4o-mini 模型相比，具有竞争优势。

所有基准测试的性能准确性均通过相同的内部评估管道获得 - 因此，数字可能与之前报告的性能略有不同（Qwen2.5-32B-Instruct、Llama-3.3-70B-Instruct、Gemma-2-27B-IT）。基于判断的评估（如 Wildbench、Arena hard 和 MTBench）基于 gpt-4o-2024-05-13。

客户正在多个行业评估 Mistral Small 3，包括

• 金融服务客户用于欺诈检测
• 医疗保健提供商用于客户分诊
• 机器人、汽车和制造公司用于设备上的命令和控制
• 跨客户的横向用例包括虚拟客户服务以及情绪和反馈分析。