Mistral Small 3 在低于 70B 的“小型”大型语言模型类别中树立了新的基准，拥有 24B 个参数，并实现了与更大模型相当的先进功能。

Mistral Small 可以在本地部署，并且异常“知识密集”，量化后可以装入单个 RTX 4090 或 32GB RAM MacBook。 完美适用于

• 快速响应的对话代理。
• 低延迟函数调用。
• 通过微调的主题专家。
• 供处理敏感数据的业余爱好者和组织进行本地推理。

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： 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，允许将使用和修改用于商业和非商业目的。
• 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坚持和支持。
• 分词器： 使用 Tekken 分词器，词汇量为 131k。

人工评估

我们与外部第三方供应商进行了并排评估，评估了一组超过 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方面格外谨慎。 我们确信上述基准测试是有效的。

指令性能

我们的指令调整模型在代码、数学、一般知识和指令遵循基准测试中，与尺寸为其三倍的开放权重模型以及专有的 GPT4o-mini 模型相比，具有竞争力。

所有基准测试的性能准确性都是通过相同的内部评估流程获得的 - 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)。 基于判断的评估，例如 Wildbench、Arena hard 和 MTBench，均基于 gpt-4o-2024-05-13。

客户正在评估 Mistral Small 3 的多个行业，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。