Ministral 3 (3B Base 2512)
Ministral 3 (3B Base 2512) est un LLM de Mistral AI sorti le 4 décembre 2025. Cette variante Base compte 3 milliards de paramètres et s’inscrit dans la catégorie des modèles compacts à poids ouverts.
Ministral 3 (3B Base 2512) est un LLM de Mistral AI sorti le 4 décembre 2025. Cette variante Base compte 3 milliards de paramètres et s’inscrit dans la catégorie des modèles compacts à poids ouverts.
Sa licence Apache 2.0 autorise l’usage commercial, un point central pour un modèle destiné à être repris, adapté ou intégré hors d’un service fermé. À sa sortie, son résultat MMLU le situait dans le top 78% des LLM de sa génération.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Mistral AI |
| Licence | Apache 2.0 (open-weights, usage commercial autorisé) |
| Date de sortie | 4 décembre 2025 |
| Multimodal | oui |
| Paramètres | 3 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| MMLU-Redux | 73,5 % | 44ᵉ / 48 | llm-stats | Auto-déclaré |
| MMLU | 70,7 % | 79ᵉ / 98 | llm-stats | Auto-déclaré |
| Multilingual MMLU | 65,2 % | 4ᵉ / 5 | llm-stats | Auto-déclaré |
| MATH (CoT) | 60,1 % | 5ᵉ / 6 | llm-stats | Auto-déclaré |
| TriviaQA | 59,2 % | 18ᵉ / 18 | llm-stats | Auto-déclaré |
| AGIEval | 51,1 % | 7ᵉ / 10 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. Ministral 3 (3B Base 2512) combine un format 3 milliards de paramètres avec une licence Apache 2.0, ce qui en fait un modèle ouvert exploitable dans un cadre commercial. À sa sortie, son positionnement sur MMLU (évaluation de connaissances et de raisonnement général) le plaçait dans la partie référencée de sa génération, devant une fraction des LLM comparables publiés sur la même période. Le statut open-weights constitue aussi un avantage concret face aux modèles uniquement accessibles par API, car les poids peuvent être étudiés et réutilisés selon les conditions de la licence.
Limites et points d'attention. Le classement MMLU disponible ne le présente pas comme un modèle haut de gamme de sa cohorte, mais comme un LLM compact au positionnement intermédiaire. Les données vérifiées ne couvrent qu’une source concordante, ce qui limite la profondeur de comparaison. Aucun élément vérifié ne documente ses performances en code, en mathématiques avancées, en usages agentiques, en coût d’exécution ou en contexte long. Le modèle est surtout pertinent comme base ouverte compacte pour des travaux nécessitant une licence commerciale permissive.
Sources des données : LLM-Stats (llm-stats.com).