Mistral Small 3 在 70B 以下的“小型”大型语言模型类别中树立了新的标杆，拥有 24B 参数，并实现了与更大型模型相媲美的最先进的功能。

Mistral Small 可以在本地部署，并且非常“知识密集”，量化后可以放入单个 RTX 4090 或 32GB RAM MacBook 中。 非常适合

• 快速响应的对话代理。
• 低延迟函数调用。
• 通过微调的学科专家。
• 适用于处理敏感数据的业余爱好者和组织的本地推理。

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： 提供一流的代理功能，具有原生函数调用和 JSON 输出。
• 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，允许用于商业和非商业目的的用法和修改。
• 上下文窗口： 32k 上下文窗口。
• 系统提示： 保持对系统提示的强大依附和支持。
• 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进行了一系列并排评估，评估基于一组超过 1k 个专有编码和通用提示。 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喜欢的模型响应。 我们知道，在某些情况下，对人类判断的基准测试与公开可用的基准测试截然不同，但我们在验证公平评估时格外谨慎。 我们确信以上基准测试是有效的。

指导性能

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，其性能与体积是其三倍的开放权重模型和专有 GPT4o-mini 模型具有竞争力。

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

客户正在评估 Mistral Small 3 在多个行业中的应用，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类
• 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感和反馈分析。