Mistral 3: Menyelami Keluarga Model, Tolok Ukur, Pengujian & Lainnya

Ada kemungkinan banyak beban kerja enterprise tidak memerlukan model berskala frontier; yang mereka butuhkan adalah inferensi yang cepat dan hemat biaya untuk tugas-tugas spesifik. Saya memikirkan tentang perutean dukungan pelanggan, klasifikasi dokumen, pelengkapan kode. 

Inilah narasi yang diandalkan Mistral AI: model-model berbobot terbuka yang ringkas, dapat di-fine-tune pada data domain, dan dapat berjalan efisien dalam skala besar. 

Untuk itu, pekan ini Mistral merilis Mistral 3, dan saya pikir ini sangat membantu mencapai tujuan tersebut. Pertama, model-modelnya sendiri menjanjikan: Mistral Large 3, sebagai andalan, melampaui para pesaing open-source-nya, Kimi-K2 dan Deepseek-3.1, pada uji tolok ukur penting. Kedua, Mistral membuat penawaran produknya lebih jelas. Ini adalah pertama kalinya Mistral AI merilis keluarga model yang lengkap. (Saat Medium 3 dirilis awal tahun ini, tidak langsung jelas (dari namanya saja) bahwa model itu seharusnya melampaui Large 2 yang dirilis tahun lalu.)

Apa Itu Mistral 3?

Mistral 3 adalah generasi terbaru model Mistral AI yang dibangun di atas arsitektur dan set fitur bersama. Alih-alih merilis varian satuan, Mistral beralih ke satu keluarga terpadu di mana setiap model mendukung prompt multibahasa, masukan multimodal, dan kapabilitas inti yang sama. Idenya adalah memberi pengembang fondasi yang konsisten, apa pun ukuran yang mereka pilih.

Generasi ini juga berfokus pada peningkatan penalaran, efisiensi, dan kegunaan praktis secara menyeluruh. Baik Anda menjalankan pengujian di cloud atau membangun aplikasi yang membutuhkan inferensi lebih cepat, Mistral 3 memperkenalkan fondasi yang lebih jelas dan lebih dapat diprediksi untuk dibangun.

Menilik Keluarga Model

Saya menyebutkan bahwa Mistral 3 sebenarnya adalah sebuah keluarga model. Total ada empat, dan semuanya menargetkan kendala, kedalaman penalaran, batasan perangkat keras, latensi, dan lingkungan penerapan yang berbeda. Meski begitu, satu model menonjol: Large 3 dibangun untuk kelas beban kerja yang sangat berbeda dibandingkan tingkatan yang lebih kecil, yang dirancang dengan mengutamakan kepraktisan dan fleksibilitas penerapan. 

Mistral Large 3

Mistral Large 3 adalah model andalan dalam generasi ini. Model ini menggunakan arsitektur MoE jarang (sparse) dengan 675B parameter, sekitar 41B di antaranya aktif saat inferensi, dan ini tentu memerlukan perangkat keras yang lebih tinggi. Model ini dirancang untuk beban kerja yang mengandalkan penalaran kuat, pemrosesan konteks panjang, dan kualitas keluaran yang konsisten. Model ini berkinerja baik dalam evaluasi open-source, termasuk hasil teratas pada papan peringkat non-penalaran LMArena. Efisiensi token bagus, meski biaya komputasi mencerminkan ukurannya.

Ministral 14B

Ini adalah model dense terkuat dalam keluarga. Pilihan yang bagus saat Anda menginginkan kapabilitas nyata tanpa masuk ke wilayah klaster multi-GPU. Model ini berjalan nyaman pada satu setelan GPU kelas atas (empat GPU jika ingin ruang longgar) dan meraih skor kuat pada tugas seperti AIME ’25. Keseimbangan kualitas keluaran dan efisiensi token menjadikannya jalan tengah yang praktis bagi tim yang menginginkan penalaran cerdas tanpa perangkat keras skala MoE. Anda dapat membaca tutorial terpisah kami tentang fine-tuning Ministral 3.

Ministral 8B

Saya menganggap 8B sebagai kuda kerja. Model ini tetap cepat, dapat diprediksi, dan hemat biaya sambil mencakup berbagai skenario produksi: sistem chat, alat internal, alur otomasi, dan aplikasi RAG. Model ini tidak akan menyamai Large 3 atau 14B dalam penalaran mendalam, tetapi rasio biaya terhadap kinerja adalah yang terkuat dalam keluarga. Penggunaan token tetap rendah, dan keluaran tetap koheren.

Ministral 3B

Ini adalah model terkecil dan dirancang untuk berjalan hampir di mana saja. Model ini dense, ringan, dan nyaman di CPU, perangkat seluler, atau perangkat IoT. Anda tidak akan memilihnya saat membutuhkan penalaran kompleks, tetapi ideal untuk aplikasi offline, tugas perutean, pengklasifikasi ringan, dan asisten yang membutuhkan respons seketika. Efisiensi token sangat baik.

Di keempatnya, Anda mendapatkan lisensi Apache 2.0, dukungan multimodal gambar+teks, dan cakupan multibahasa yang luas. Karena perilaku model konsisten, Anda dapat meningkatkan atau menurunkan skala tanpa perlu mempelajari kembali keanehannya.

Tabel Perbandingan Model

Berikut cara model-model tersebut dibandingkan secara sekilas:

Seperti terlihat pada tabel, Mistral Large 3 menggunakan arsitektur Sparse MoE dengan 41 miliar parameter aktif dari total 675 miliar. Secara sederhana, model ini berisi beberapa jaringan "pakar" khusus, dan untuk setiap token atau tugas, model secara selektif merutekan hanya melalui sebagian pakar tersebut alih-alih menggunakan semua parameter.

Semua model Ministral menggunakan arsitektur dense, artinya semua parameter aktif pada setiap inferensi.

Jika Anda mencermati persyaratan perangkat keras pada tabel, terlihat jelas kompromi antara ukuran model dan fleksibilitas penerapan: Mistral Large 3 memerlukan delapan GPU kelas atas tetapi Ministral 3B dapat berjalan di CPU/perangkat seluler konsumen.

Menguji Mistral 3

Saya memusatkan pengujian pada Large 3. Karena Large 3 adalah andalan, ini adalah model paling mumpuni dan juga yang paling banyak digunakan orang.

Uji 1: Multimodal + multibahasa

Untuk uji pertama, saya memberikan tangkapan layar dalam bahasa Arab kepada Mistral 3 Large dengan prompt berikut.

Dalam skenario ini, seorang pelanggan menggambarkan masalah dengan parabola mereka. Mereka mengatakan telah memasang ulang atau memposisikannya kembali, tetapi tidak berfungsi dengan baik, dan koneksi internet mereka terputus.

A customer sent the attached error message screenshot showing an error in Arabic.
Please:
1. Read and translate the error message from the screenshot
2. Write a troubleshooting guide in English for our support team (3-4 steps)
3. Translate that solution back to Levantine Arabic in a natural, conversational way the customer would understandDidukung oleh

Pertama, Large 3 menerjemahkan pesan tersebut, dan saya khawatir kami akan menuju arah yang salah. Anda tidak perlu menjadi penutur asli bahasa Arab untuk memahami bahwa versi bahasa Inggrisnya tidak tepat.

Terlepas dari fakta bahwa Mistral salah menerjemahkan bagian dari pertanyaan, arahannya kepada pelanggan (yang lebih berguna) masuk akal. Poin 1-3 terbaca baik dalam bahasa Arab (saya tahu ini karena meminta bantuan terjemahan manusia), tetapi Mistral memang membuat kesalahan pada poin ke-4 ketika menyebut “art support” alih-alih “tech support.”

Saya terkesan bahwa Mistral setia pada dialek Arab yang saya minta. Percakapannya jelas Levantine.

Uji 2: Tugas pengodean dunia nyata

Berikutnya, saya memintanya menyelesaikan tugas pengodean kecil namun realistis:

Write a Python function that takes a list of timestops (ISO format) and returns time gaps between each consecutive time gap in minutes. Make the function safe against invalid entries.Didukung oleh

Large 3 mengembalikan sebuah fungsi singkat yang mudah dibaca dengan penanganan galat yang masuk akal dan input yang diurutkan. Dalam pengujian saya, solusinya ringkas, dan keluaran tetap fokus. Bergantung pada prompt dan tugas, ini dapat membantu menjaga penggunaan token tetap lebih rendah dari perkiraan.

Uji 3: Tantangan penalaran

Untuk memeriksa penalaran multi-langkah tanpa beralih ke mode khusus, saya menggunakan teka-teki klasik:

Teka-teki logika lanjutan tentang kotak buah berlabel salah juga diselesaikan dengan bersih tanpa menyimpang.

Tolok Ukur Mistral 3

Tolok ukur bukan segalanya, tetapi membantu menempatkan model dalam konteks. Mistral membandingkan Large 3 terutama dengan rekan open-source seperti DeepSeek-3.1 dan Kimi-K2, yang masuk akal mengingat lisensi Apache 2.0.

Large 3 berkinerja baik pada evaluasi penalaran, GSM8K, AIME, dan pengodean. Model ini saat ini merupakan model pengodean open source teratas di papan peringkat LMArena. Hasil awal SWE-Bench menunjukkan model ini menyelesaikan tugas rekayasa perangkat lunak pada tingkat yang sebanding dengan sistem dense dan MoE berkapasitas tinggi lainnya. Model-model Ministral juga mempertahankan posisi kuat relatif terhadap ukurannya.

Mistral 3 vs. Pesaing

Yang tidak tampak dalam perbandingan Mistral adalah model frontier yang dirilis pada akhir November: Gemini 3 Pro (yang meraih 91,9% pada GPQA Diamond dan 1501 Elo di LMArena), GPT-5.1, dan Claude Opus 4.5 (yang memimpin di SWE-bench Verified dengan lebih dari 80%). Ketika Anda meletakkan Large 3 berdampingan dengan model-model ini, sistem kepemilikan masih unggul pada tolok ukur penalaran tersulit dan tugas agen yang kompleks. Itu benar. Tetapi untuk banyak beban kerja praktis, terutama ketika Anda mempertimbangkan kemampuan untuk self-host, fine-tune, dan menerapkan tanpa terikat vendor, Large 3 menghadirkan kinerja yang kompetitif.

Mistral 3 adalah rilis yang kuat untuk ekosistem terbuka. Kombinasi efisiensi token, kedalaman multibahasa, dan penanganan konteks panjang membuatnya signifikan. Ini adalah perpaduan kapabilitas dan keterbukaan dalam skala yang belum pernah kita lihat sebelumnya. Large 3 mendekati sistem kepemilikan teratas sekaligus tetap menjadi sesuatu yang dapat Anda unduh, inspeksi, dan terapkan sesuka Anda.

Jika ada satu hal yang perlu menjaga ekspektasi tetap wajar, itu adalah pada tugas penalaran yang lebih kompleks dan kapabilitas agen. Large 3 berkinerja baik, tetapi model seperti Opus 4.5 dan GPT 5.1 menangani penalaran rantai panjang dengan konsistensi lebih tinggi.

Bagaimana Cara Mengakses Mistral 3?

Ada beberapa cara untuk memulai, tergantung bagaimana Anda berencana menggunakan model.

Jika Anda hanya ingin mencobanya, API terkelola adalah jalur paling sederhana. Keempat tingkatan—Large 3, 14B, 8B, dan 3B tersedia dengan kunci API standar. Penagihan berbasis token, dan ini adalah cara tercepat untuk menguji penalaran, prompt multimodal, atau tugas multibahasa.

Jika Anda menginginkan kontrol penuh, bobot terbuka tersedia untuk diunduh. Saat Mistral menyebut ini sebagai “model bobot terbuka permisif terbaik,” maksudnya adalah:

• Anda dapat mengunduh bobotnya
• Anda dapat menggunakannya secara komersial
• Anda dapat memodifikasi atau melakukan fine-tune
• Anda memiliki tumpukan penerapan ujung-ke-ujung

Large 3 memerlukan perangkat keras serius, tetapi model-model Ministral menurun skalanya dengan mulus. Anda juga dapat menggunakan platform mitra jika ingin bereksperimen dengan backend berbeda tanpa menjalankan mesin Anda sendiri.

Kasus Penggunaan Mistral 3

Saya menyinggung beberapa kasus penggunaan dalam artikel ini, tetapi sekarang saya ingin meluangkan lebih banyak waktu untuk menulis tentang bagaimana saya melihat tim benar-benar menggunakan tiap tingkatan dalam praktik. Tim kepemimpinan Mistral benar-benar yakin bahwa sebagian besar perusahaan dapat melakukan banyak hal dengan model kecil berbobot terbuka yang dapat di-fine-tune. 

Saya membayangkan bagaimana seorang analis hedge fund dapat mengunggah 50 transkrip panggilan laba dan meminta Mistral Large 3 menandai tim manajemen mana yang berkelit dalam panduan atau mengubah nada dari kuartal ke kuartal. Jendela konteks 256k akan menangani seluruh transkrip plus 10-K (dokumen keuangan tahunan) tanpa perlu pemotongan. Atau jika Anda bagian dari firma investasi Eropa, Mistral tentu bekerja lintas bahasa Prancis, Jerman, Italia, (atau Arab, seperti yang kami coba).

Jika ini terdengar berlebihan, mungkin tidak, karena HSBC mengumumkan kesepakatan dengan Mistral pekan ini.

Penutup

Mistral 3 akhirnya memberi Mistral struktur yang konsisten dan model yang berskala secara alami di berbagai kendala. Large 3 mampu bersaing dengan sistem kepemilikan besar, sementara lini Ministral memudahkan memilih tingkatan yang sesuai dengan kebutuhan perangkat keras dan latensi Anda.

Jika Anda berencana bereksperimen, API terkelola adalah cara tercepat untuk memulai. Dan jika Anda ingin membangun secara lokal atau self-host, mengunduh bobot memberi Anda kendali penuh.

Jika Anda penasaran bagaimana model seperti Mistral bekerja di balik layar, Anda akan mendapatkan banyak manfaat dari kursus Large Language Models Concepts kami, dan jika Anda menyambungkan Mistral ke sebuah aplikasi, API Fundamentals in Python membantu sisi praktisnya.