Model Releases
Mistral Small 3.0: Новый стандарт эффективности для разработчиков
Mistral AI выпустила Mistral Small 3.0 с 24B параметрами и лицензией Apache 2.0. Модель демонстрирует SOTA результаты в бенчмарках и доступна для коммерческого использования.
15 января 2025 г.
Model ReleaseMistral Small 3.0
Введение: Почему Mistral Small 3.0 важен для индустрии
15 января 2025 года Mistral AI представила свою последнюю итерацию модели Small — Mistral Small 3.0. Это событие знаменует собой значительный сдвиг в ландшафте открытых языковых моделей, предлагая конкурентам уровня Frontier с эффективностью, ранее доступной только в закрытых системах. Разработчики получают доступ к инструментам, которые ранее требовали огромных вычислительных ресурсов, теперь упакованным в компактный пакет.
Модель не просто обновляет предыдущую версию, она пересматривает стандарты производительности для своего класса. В условиях, когда метамодели становятся все более сложными, Mistral Small 3.0 доказывает, что оптимальное соотношение цены и качества достигается через архитектуру, оптимизированную для реальных задач. Это особенно актуально в 2025 году, когда спрос на AGI ускоряется, а стоимость вычислений остается критическим фактором.
- Дата релиза: 15 января 2025 года
- Провайдер: Mistral AI
- Лицензия: Apache 2.0
Ключевые особенности и архитектура модели
Техническая спецификация Mistral Small 3.0 включает 24 миллиарда параметров, что делает её мощной моделью среднего размера. Архитектура построена на основе MoE (Mixture of Experts), что позволяет модели динамически активировать необходимые части сети для конкретных задач, снижая задержки при генерации. Это обеспечивает высокую скорость вывода без потери точности, что критично для агентов и чат-ботов.
Одной из главных особенностей является поддержка контекстного окна до 128 000 токенов. Это позволяет обрабатывать длинные документы, код репозиториев или многопользовательские логи без потери информации. Модель поддерживает мультимодальные возможности, что расширяет её применение за пределы чистого текста, включая анализ изображений и структурированных данных.
- Параметры: 24B
- Архитектура: MoE
- Контекстное окно: 128k токенов
- Лицензия: Apache 2.0 (коммерческое использование)
Производительность и результаты бенчмарков
На тестовых площадках Mistral Small 3.0 демонстрирует результаты, приближающиеся к моделям категории Frontier. В бенчмарке MMLU модель набирает 85.2%, что значительно выше предыдущих версий Small. Это подтверждает способность модели понимать сложные логические связи и контекстные нюансы, ранее недоступные для моделей меньшего размера.
В задачах программирования и кодинга показатели также впечатляют. На HumanEval модель достигает 90% точности, а на SWE-bench демонстрирует улучшение на 15% по сравнению с конкурентами. Эти цифры важны для инженеров, которые ищут надежный инструмент для автоматизации разработки без необходимости развертывания гигантских моделей.