Mistral Small 3 24B Instruct
Mistral Small 3 24B Instruct est un LLM de Mistral AI publié le 30 janvier 2025, avec 24 milliards de paramètres et une licence Apache 2.0 autorisant l’usage commercial en open-weights. Son ancienneté d’environ un an est déjà importante à l’échelle de l’IA, ce qui le situe d’abord comme…
Mistral Small 3 24B Instruct est un LLM de Mistral AI publié le 30 janvier 2025, avec 24 milliards de paramètres et une licence Apache 2.0 autorisant l’usage commercial en open-weights. Son ancienneté d’environ un an est déjà importante à l’échelle de l’IA, ce qui le situe d’abord comme un modèle de sa génération plutôt que comme une référence actuelle.
Le modèle se distingue surtout par un positionnement très économique, avec un tarif annoncé 97% sous la moyenne des LLM similaires et environ 96.7 fois inférieur à celui des modèles frontière. Sa fenêtre de contexte atteint 32 768 tokens et ses connaissances s’arrêtent au 1er octobre 2023.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Mistral AI |
| Licence | Apache 2.0 (open-weights, usage commercial autorisé) |
| Date de sortie | 30 janvier 2025 |
| Connaissances jusqu'à | 2023-10-01 |
| Multimodal | non |
| Paramètres | 24 milliards |
| Fenêtre de contexte | 32 768 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Arena Hard | 87,6 % | 5ᵉ / 26 | llm-stats | Auto-déclaré |
| HumanEval | 84,8 % | 36ᵉ / 65 | llm-stats | Auto-déclaré |
| MT-Bench | 83,5 % | 8ᵉ / 12 | llm-stats | Auto-déclaré |
| IFEval | 82,9 % | 47ᵉ / 65 | llm-stats | Auto-déclaré |
| MATH | 70,6 % | 36ᵉ / 70 | llm-stats | Auto-déclaré |
| MMLU-Pro | 66,3 % | 95ᵉ / 125 | llm-stats | Auto-déclaré |
| Wild Bench | 52,2 % | 6ᵉ / 8 | llm-stats | Auto-déclaré |
| GPQA | 45,3 % | 171ᵉ / 213 | 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.
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| DeepInfra | 0,05 $ | 0,08 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 97 % en dessous de la moyenne des LLM similaires, et 96,7 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Notre analyse
Forces. Mistral Small 3 24B Instruct combine trois atouts concrets : une licence Apache 2.0 exploitable commercialement, des poids ouverts et un coût d’usage très bas. À sa sortie, son classement GPQA le plaçait dans les 62% les mieux classés parmi 61 LLM de la même période, ce qui indique un niveau compétitif pour sa génération sans le positionner comme modèle dominant. Sa fenêtre de 32 768 tokens donnait aussi une marge utile pour traiter des entrées longues par rapport à des modèles plus restreints.
Limites et points d'attention. Son ancienneté d’environ un an est un point majeur : dans le cycle actuel des LLM, cette durée suffit à rendre les performances largement dépassées face aux modèles récents. Le modèle est donc à évaluer comme une option historique, économique et ouverte, plutôt que comme un choix de pointe. Sa date de connaissances, limitée au 2023-10-01, réduit aussi sa pertinence sur les sujets récents. Enfin, les informations vérifiées reposent sur 2 sources concordantes, ce qui couvre les éléments principaux mais ne permet pas d’ajouter d’autres capacités ou performances non documentées ici.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai).