Ministral 3 8B
MODEL PROFILE模型资料Mistral · 2025-12-02 发布
Mistral 于 2025 年 12 月 2 日发布的 Ministral 3 8B，是 Ministral 小型系列中的 8B 级别模型，面向预算敏感、调用量大、任务相对简单的开发者与企业。官方定价输入与输出同为 0.15 美元/百万 tokens，适合用低单价换取吞吐量，不适合作为复杂推理或长链路智能体的主力。
模型介绍
Ministral 3 8B 属于 Mistral 的 Ministral 小型系列，名字里的 8B 指参数量级，系列定位在 Small、Medium、Large 之下，用来解决「大量轻量请求不值得用大模型」的成本问题。它的官方价格是输入 0.15 美元/百万 tokens、输出 0.15 美元/百万 tokens，输入输出同价，这点在同类模型中并不多见，意味着长篇输出不会被输出单价放大开销。按 Artificial Analysis 口径，它的综合智能指数为 5.5、编程指数 9.7，GPQA 47.1%、HLE 4.3%、SciCode 20.7%、LCR 25.7%，而 TerminalBench v2.1 只有 4.1%、Tau-Banking 3.7%，能力分布明显不均：代码片段级生成还算可用，多步工具调用与复杂推理很弱。选型时需要留意，同为 0.15 美元输入价的 Mistral Small 4 综合指数为 11.3，能力更高但输出价为 0.6 美元；Ministral 3 8B 的价值在于把两端单价都压到最低，而不是在同等预算下提供最强能力。
选型建议预算极紧、任务单轮且结果可校验时选它；涉及多步工具调用、复杂推理或长上下文时，改用 Mistral Small 4 或更高档模型。
关键指标
适用场景
- 批量生成商品文案、标题与卖点短句，用规则或抽检做结果兜底
- 对评论、工单做分类打标与意图识别等轻量判别任务
- 为长文改写、摘要扩写生成初稿，再交给更强模型校对润色
- 在开发阶段作为廉价回归模型，验证 prompt 与数据管道的稳定性
- 承担调用量大、单次价值低、失败可重试的低风险问答请求
暂无：上下文窗口、最大输出、知识截止、开源权重、模型家族、许可证、参数规模、输入模态、缓存读价、缓存写价、推理、工具调用、结构化输出、附件、温度调节（上游未公开，本站不估算）。 发布 344 天。
规格与能力
上面没列到的字段官方未公开详细的层数、注意力结构与上下文长度，本站事实仅标注名称、厂商与发布时间；以下只做可确认的定性说明，不确定处标注为公开资料较少。
- 系列归属属 Mistral 的 Ministral 小型系列，8B 为参数量级标识，定位轻于同厂 Small、Medium、Large，面向资源受限或高并发的部署环境。
- 结构披露公开资料较少，未见层数、注意力类型与上下文窗口的官方标注，不宜按同厂大模型的长上下文能力来预期它。
- 能力口径事实数据中能力项标注为「未标注」，工具调用、多语言、结构化输出等均无官方说明，接入前需自行做小样本验证。
能力
资料未标注
同系列其他规格
| 型号 | 厂商 | 参数 | 上下文 | 输入价 | 输出价 |
|---|---|---|---|---|---|
| Ministral 3 8B | Mistral | — | 262.1K | $0.15/M | $0.15/M |
| Ministral 3 8B | LowRouter | — | 262.1K | $0.1569/M | $0.1569/M |
| Ministral 3 8B | LowRouter | — | 262.1K | $0.1569/M | $0.1569/M |
| Ministral 3 8B | Amazon Bedrock | — | 128K | $0.15/M | $0.15/M |
| Ministral 3 8B 2512 | Mistral | — | 262.1K | $0.15/M | $0.15/M |
| Ministral 3 8B | Mistral | — | — | $0.15/M | $0.15/M |
性能表现
Artificial Analysis 口径下，它的分数呈现典型小模型的不均衡形态：基础语言与代码片段能力尚可，智能体与深度推理明显偏弱，使用前应把任务难度控制在单轮、可校验的范围内。
- 强项编程指数 9.7 在指数类指标中相对最高，说明代码片段生成、语法问答、简单改写这类任务是它比较稳的输出面。
- 短板TerminalBench v2.1 仅 4.1%、Tau-Banking 3.7%，多步工具调用与业务流程类任务基本不可依赖，HLE 4.3% 也说明高难题命中率很低。
- 推理水位GPQA 47.1%、综合智能指数 5.5、SciCode 20.7% 共同指向基础档推理水平，科学问答与多步计算类请求应默认需要人工复核。
- 适合单轮、短上下文、结果容易规则校验的批量请求，用低价换吞吐；对一次答对率要求高的场景应换更高档模型。
跑分与榜单
第三方评测口径这些跑分分别测什么？（4 项口径说明）
| 基准 | 类别 | 说明 | 满分口径 | 前沿水平 | 状态 | 污染风险 |
|---|---|---|---|---|---|---|
| GPQA Diamond基准主页 | 知识 | Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions. | 0-100% accuracy | 96.3% (Artificial Analysis run) | 已饱和 | 低 |
| Humanity's Last Exam基准主页 | 知识 | Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing. | 0-100% accuracy | 74.3% (Artificial Analysis independent run on its 2,158-question text-only subset, pass@1; previous best 61.4%, Claude Opus 5.5 at max effort). Artificial Analysis now lists full HLE as a legacy evaluation, removed from its Intelligence Index in v5.0. Anthropic self-reports 74.2% with tools for the same model, a separate vendor series; the Scale Labs board had no Fable 5.2 row on 2026-11-09 and is still led by GPT-6 Astra at 54.80% | 仍在维护 | 低 |
| Terminal-Bench基准主页 | 编程 | Stanford / Anthropic agentic terminal-task benchmark. Each task gives the agent a goal and a sandboxed shell; success measured by deterministic post-condition. | 0-100% solved | 64.5% (1.0, legacy split) | 已停用 | 低 |
| Tau-Bench基准主页 | 智能体 | Sierra benchmark of customer-service agents. Tests realistic multi-turn tool-use with deterministic evaluators. Now at tau3: tau2 covers retail, airline, and telecom, while tau3 adds a banking knowledge-retrieval track and a real-time voice track, each ranked separately. | 0-100% pass@1 | 87.9% (tau2 text, 3-domain avg pass^1); the tau3 banking text track is led by Qwen3.8 Max at 55.2% pass^1 (Claude Opus 5 second at 48.7%), and the tau3 voice track by Ava Zero at 86.0% task completion, ahead of phonic-1 at 83.2% and gpt-live-1 at 79.9% | 仍在维护 | 低 |
说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。
跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。
价格与性价比
结合各平台报价与同类对比官方定价输入与输出同为 0.15 美元/百万 tokens，结构简单、无需按输入输出比例估算成本，是它最突出的产品特征。
- 定价定位输入输出同价，长输出任务如批量改写、扩写、字段填充不会被输出单价放大成本，适合以输出量为主的流水线。
- 横向对比同为 0.15 美元输入价的 Mistral Small 4 输出 0.6 美元、综合指数 11.3，本模型为 5.5；愿意为能力加价时应优先考虑 Small 4。
- 上探对比Mistral Large 3 输入 0.5 美元、综合指数 9.3，Large 4 输入 1.36 美元、综合指数 38.4，任务越难，加价换来的分数提升越明显。
- 平台差价目前可比价渠道很少，HowToken 报价与官方一致，相对输入价为 0.0%，也未见缓存读价格，短期内在渠道间套利的空间有限。
- 省钱把稳定可校验的批量请求放在它上面，把难样本分流给 Small 4 或 Large 系列，用按难度分层的方式控制总成本，而不是全量升级。
平台报价对比
1 个来源口径| 来源 | 输入价 | 输出价 | 缓存读 | 相对输入价 |
|---|---|---|---|---|
| HowToken | $0.15/M | $0.15/M | — | 0.0% |
同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.15/M / $0.15/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。
同类模型对比
5 条| 模型 | 上下文 | 输入价 | 输出价 | 输入价差 | AA 综合 |
|---|---|---|---|---|---|
| Mistral Large 4 | 1.05M | $0.7/M | $2.1/M | +366.7% | 154.7 |
| Mistral Medium 3.5 | 262.1K | $1.5/M | $7.5/M | +900.0% | 141.6 |
| Mistral Medium 3 | 131.1K | $0.4/M | $2/M | +166.7% | 132.8 |
| Mistral Nemo | 131.1K | $0.15/M | $0.15/M | 0.0% | 114.1 |
| Mistral Large 4 Preview | — | $0.7/M | $2.1/M | +366.7% | 25.3 |
取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价
关于 Ministral 3 8B 的常见问题
1 条Ministral 3 8B 的 API 价格是多少？
当前收录的官方口径价格为输入 $0.15/M、输出 $0.15/M，单位为美元 / 百万 tokens。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。
使用注意
- 口径全部跑分来自 Artificial Analysis 单一口径，未附测试版本细节与复现条件，与厂商自报成绩或其他榜单混用时需谨慎。
- 覆盖本站记录的平台数为 0 家，仅有一条 HowToken 报价，缓存读价格缺失，实际部署的综合成本可能高于表面单价。
- 边界能力项未标注，上下文长度、工具调用、多语言与结构化输出均无官方说明，不能按同系列大模型的能力外推。
资料说明
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。
本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。
本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源；价格单位为美元 / 百万 tokens。
