Mistral 3: Model Ailesinin İçinde, Kıyaslamalar, Testler ve Daha Fazlası

Birçok kurumsal iş yükünün sınır-ölçekli modellere ihtiyaç duymaması ve aslında gerekenin belirli görevlerde hızlı, uygun maliyetli çıkarım olması muhtemel. Müşteri destek yönlendirme, belge sınıflandırma, kod tamamlama gibi alanları düşünüyorum. 

Mistral AI’nın üzerine bahse girdiği hikâye bu: alan verisiyle ince ayar yapılabilen, ölçekli şekilde verimli çalışan, kompakt ve açık ağırlıklı modeller. 

Bu doğrultuda Mistral bu hafta Mistral 3’ü yayımladı ve bence bu hedefe ulaşma yolunda önemli bir adım. Öncelikle modellerin kendileri umut veriyor: Amiral gemisi Mistral Large 3, önemli kıyaslama testlerinde açık kaynaklı rakipleri Kimi-K2 ve Deepseek-3.1’i geride bırakıyor. İkincisi, Mistral ürün teklifini daha net hâle getiriyor. Görüyorsunuz, bu Mistral AI’nın tam bir model ailesi yayımladığı ilk sefer. (Bu yılın başlarında Medium 3 çıktığında, yalnızca adından yola çıkarak, geçen yıl yayımlanan Large 2’yi geride bırakmasının beklendiği hemen anlaşılmıyordu.)

Mistral 3 Nedir?

Mistral 3, Mistral AI’nın paylaşılan bir mimari ve özellik seti üzerine inşa edilmiş en yeni model neslidir. Tek seferlik varyantlar yayımlamak yerine, Mistral çok dilli istemleri, çok modlu girdileri ve aynı temel yetenekleri destekleyen birleşik bir aileye geçti. Amaç, geliştiricilere hangi boyutu seçerlerse seçsinler tutarlı bir zemin sunmak.

Bu nesil ayrıca akıl yürütme, verimlilik ve pratik kullanılabilirliği genel olarak iyileştirmeye odaklanıyor. İster bulutta testler çalıştırın, ister daha hızlı çıkarım gerektiren uygulamalar geliştirin, Mistral 3 üzerine inşa etmek için daha net ve öngörülebilir bir temel sunuyor.

Model Ailesine Bakış

Mistral 3’ün aslında bir model ailesi olduğunu belirtmiştim. Toplam dört model var ve her biri farklı kısıtlar, akıl yürütme derinliği, donanım sınırları, gecikme ve dağıtım ortamlarını hedefliyor. Bununla birlikte bir model ayrışıyor: Large 3, daha küçük katmanların pratiklik ve dağıtım esnekliği odaklı tasarlandığı sınıftan oldukça farklı iş yükleri için üretildi. 

Mistral Large 3

Mistral Large 3, bu neslin amiral gemisi modeli. seyrek MoE mimarisi kullanıyor; toplam 675B parametrenin yaklaşık 41B’i çıkarım sırasında etkin ve bu doğal olarak daha yüksek donanım gereksinimleriyle geliyor. Model; güçlü akıl yürütmeye, uzun bağlam işlemeye ve tutarlı çıktı kalitesine dayanan iş yükleri için tasarlandı. LMArena’nın akıl yürütme dışı liderlik tablosunda üst sıralar dahil, açık kaynak değerlendirmelerinde iyi performans gösteriyor. Token verimliliği iyi olsa da hesaplama maliyeti boyutunu yansıtıyor.

Ministral 14B

Bu, ailenin en güçlü yoğun modeli. Çoklu GPU kümesi düzeyine çıkmadan gerçek yetenek istediğinizde iyi bir seçenek. Tek bir üst düzey GPU kurulumunda rahatça çalışır (pay bırakmak isterseniz dört GPU) ve AIME ’25 gibi görevlerde güçlü puanlar alır. Çıktı kalitesi ile token verimliliği dengesi, MoE ölçeğinde donanım olmadan akıllı akıl yürütme isteyen ekipler için pratik bir orta yol sunuyor. Ministral 3’ün ince ayarı hakkında ayrı bir eğitimimizi okuyabilirsiniz.

Ministral 8B

8B’i yük beygiri olarak düşünüyorum. Geniş bir üretim senaryosunu kapsarken hızlı, öngörülebilir ve düşük maliyetli kalır: sohbet sistemleri, dahili araçlar, otomasyon akışları ve RAG uygulamaları. Derin akıl yürütmede Large 3 veya 14B ile eşleşmez, ancak maliyet-performans oranı ailede en güçlü olanıdır. Token kullanımı düşük kalır ve çıktılar tutarlı olur.

Ministral 3B

Bu en küçük modeldir ve neredeyse her yerde çalışacak şekilde tasarlanmıştır. Yoğun, hafif ve CPU’larda, mobil cihazlarda veya IoT donanımında rahattır. Karmaşık akıl yürütmeye ihtiyaç duyduğunuzda buna başvurmazsınız, ancak çevrimdışı uygulamalar, yönlendirme görevleri, hafif sınıflandırıcılar ve anında yanıt vermesi gereken asistanlar için idealdir. Token verimliliği mükemmeldir.

Dördünün tamamında Apache 2.0 lisansı, çok modlu görsel+metin desteği ve geniş çok dilli kapsama alanı elde edersiniz. Modeller tutarlı davrandığından, tuhaflıkları yeniden öğrenmeden yukarı veya aşağı ölçekleyebilirsiniz.

Model Karşılaştırma Tablosu

Modellerin genel karşılaştırması şöyle:

Tabloda görebileceğiniz gibi, Mistral Large 3, Seyrek MoE mimarisi kullanır; 675 milyar toplam parametrenin 41 milyarı etkin. Esasen model, birden çok uzmanlaşmış “uzman” ağ içerir ve her bir token veya görev için tüm parametreleri kullanmak yerine yalnızca bu uzmanların bir alt kümesine seçici olarak yönlendirme yapar.

Ministral modellerin tümü yoğun mimari kullanır; bu da her çıkarımda tüm parametrelerin etkin olduğu anlamına gelir.

Tablonun donanım gereksinimleriyle ilgili söylediklerine yakından bakarsanız, model boyutlarıyla dağıtım esnekliği arasında net bir ödünleşim görürsünüz: Mistral Large 3 sekiz üst düzey GPU gerektirirken Ministral 3B tüketici CPU’su/mobilde çalışabilir.

Mistral 3’ü Test Etmek

Testlerimi Large 3 üzerinde yoğunlaştırdım. Large 3 amiral gemisi olduğundan hem en yetenekli model hem de çoğu kişinin kullanacağı model.

Test 1: Çok modlu + çok dilli

İlk testim için Mistral 3 Large’a Arapça bir ekran görüntüsünü aşağıdaki istemle verdim.

Bu senaryoda bir müşteri uydu anteniyle ilgili bir sorunu anlatıyor. Yeniden kurduğunu veya yeniden konumlandırdığını söylüyor ama düzgün çalışmıyor ve internet bağlantısı kesik.

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 understandAltyapı:

Önce Large 3 mesajı çevirdi ve yanlış yöne gidiyor olabileceğimizden endişelendim. Ana dili Arapça olmayan biri bile İngilizce sürümün hatalı olduğunu anlayabilir.

Mistral sorunun bazı kısımlarını yanlış çevirmiş olsa da, müşteriye yönelik talimatları (daha kullanışlı olan kısım) anlamlıydı. 1-3 numaralı maddeler Arapça olarak iyi okunuyordu (bunu insan çeviri desteği alarak doğruladım), ancak Mistral 4. maddede “art support” yerine “tech support” demesi gerekirken bir hata yaptı.

Mistral’ın istediğim Arapça lehçesine sadık kalmasından etkilendim. Konuşma belirgin şekilde Levanten’di.

Test 2: Gerçek dünya kodlama görevi

Ardından küçük ama gerçekçi bir kodlama görevi istedim:

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.Altyapı:

Large 3, mantıklı hata yönetimi ve sıralanmış girdilerle kısa, okunaklı bir fonksiyon döndürdü. Testimde çözüm kompakt kaldı ve çıktı odaklıydı. İsteme ve göreve bağlı olarak bu, token kullanımını beklenenden düşük tutmaya yardımcı olabilir.

Test 3: Akıl yürütme meydan okuması

Özel bir moda geçmeden çok adımlı akıl yürütmeyi kontrol etmek için klasik bir bulmaca kullandım:

Yanlış etiketlenmiş meyve kutuları hakkında devam bulmacası da oyalanmadan temiz şekilde çözüldü.

Mistral 3 Kıyaslamaları

Kıyaslamalar her şey değildir ama modeli bağlama oturtmaya yardımcı olur. Mistral, Large 3’ü ağırlıklı olarak DeepSeek-3.1 ve Kimi-K2 gibi açık kaynaklı emsallerle karşılaştırıyor; Apache 2.0 lisansı göz önüne alındığında bu mantıklı.

Large 3, akıl yürütme, GSM8K, AIME ve kodlama değerlendirmelerinde iyi performans gösteriyor. LMArena liderlik tablosunda şu anda en iyi açık kaynak kodlama modeli. Erken SWE-Bench sonuçları, yazılım mühendisliği görevlerini diğer yüksek kapasiteli yoğun ve MoE sistemlerle karşılaştırılabilir düzeyde çözdüğünü gösteriyor. Ministral modeller de boyutlarına göre güçlü konumlar koruyor.

Mistral 3 ve Rakipleri

Mistral’ın karşılaştırmalarında dikkat çeken eksikler, Kasım sonlarında yayımlanan sınır modeller: Gemini 3 Pro (GPQA Diamond’da %91,9 ve LMArena’da 1501 Elo), GPT-5.1 ve Claude Opus 4.5 (SWE-bench Verified’da %80’in üzerinde lider). Large 3’ü bu modellerin yanına koyduğunuzda, mülkiyetli sistemler en zorlu akıl yürütme kıyaslamalarında ve karmaşık ajan görevlerinde hâlâ bir adım önde. Bu doğru. Ancak birçok pratik iş yükü için—özellikle kendi barındırma, ince ayar ve tedarikçiye bağımlılık olmadan dağıtım imkânını hesaba kattığınızda—Large 3 rekabetçi bir performans sunuyor.

Mistral 3, açık ekosistem için güçlü bir sürüm. Token verimliliği, çok dilli derinlik ve uzun bağlam işleme kombinasyonu onu önemli kılıyor. Daha önce bu ölçekte görmediğimiz bir yetenek ve açıklık birleşimi. Large 3, yine de indirip inceleyebileceğiniz ve istediğiniz gibi dağıtabileceğiniz bir model olmasına karşın, tepedeki mülkiyetli sistemlere oldukça yaklaşıyor.

Beklentileri makul tutmanız gereken bir yer varsa, o da daha karmaşık akıl yürütme görevleri ve ajan yetenekleri. Large 3 iyi iş çıkarıyor, ancak Opus 4.5 ve GPT 5.1 gibi modeller uzun zincirli akıl yürütmeyi daha tutarlı şekilde ele alıyor.

Mistral 3’e Nasıl Erişebilirim?

Modelleri nasıl kullanmayı planladığınıza bağlı olarak başlamanın birkaç yolu var.

Sadece denemek istiyorsanız, barındırılan API en basit yol. Dört katmanın tamamı—Large 3, 14B, 8B ve 3B—standart bir API anahtarıyla kullanılabilir. Faturalandırma token bazlıdır ve akıl yürütmeyi, çok modlu istemleri veya çok dilli görevleri test etmenin en hızlı yoludur.

Tam kontrolü tercih ediyorsanız, açık ağırlıklar indirilebilir. Mistral bunları “en iyi izin verici açık ağırlık modelleri” olarak adlandırdığında şunu kastediyor:

• Ağırlıkları indirebilirsiniz
• Ticari olarak kullanabilirsiniz
• Değiştirebilir veya ince ayar yapabilirsiniz
• Uçtan uca dağıtım yığını size aittir

Large 3 ciddi donanım gerektirir, ancak Ministral modeller sorunsuz şekilde küçülür. Kendi makinelerinizi çalıştırmadan farklı arka uçlarla denemek isterseniz iş ortağı platformları da kullanabilirsiniz.

Mistral 3 Kullanım Alanları

Bu yazıda birkaç kullanım alanına değindim, ancak şimdi ekiplerin pratikte her katmanı nasıl gerçekten kullanabileceğini yazmaya daha fazla zaman ayırmak istiyorum. Mistral’ın liderlik ekibi, çoğu işletmenin ince ayar yapabileceğiniz küçük, açık ağırlık modellerle pek çok şeyi başarabileceğine gerçekten inanıyor. 

Şöyle hayal ediyorum: bir hedge fonu analisti 50 kâr açıklaması görüşme dökümünü yükleyip Mistral Large 3’ten, hangi yönetim ekiplerinin yönlendirmede temkinli davrandığını veya çeyrekten çeyreğe ton değiştirdiğini işaretlemesini isteyebilir. 256k bağlam penceresi, bölütlemeye gerek kalmadan tüm dökümleri ve 10-K’ları (yıllık finans dokümanları) kaldırır. Ya da bir Avrupa yatırım şirketinin parçasıysanız, Mistral elbette Fransızca, Almanca, İtalyanca (veya denediğimiz gibi Arapça) dillerinde de çalışır.

Bu kulağa uzak geliyorsa, belki de öyle olmamalı; çünkü HSBC bu hafta Mistral ile bir anlaşma açıkladı.

Son Düşünceler

Mistral 3, Mistral’a sonunda tutarlı bir yapı ve farklı kısıtlar arasında doğal biçimde ölçeklenen modeller sunuyor. Large 3 büyük mülkiyetli sistemlere karşı kendi başına ayakta dururken, Ministral serisi donanım ve gecikme ihtiyaçlarınıza uyan bir katmanı seçmeyi kolaylaştırıyor.

Deney yapmayı planlıyorsanız, barındırılan API en hızlı başlangıç yolu. Yerelde geliştirmek veya kendi kendinize barındırmak istiyorsanız, ağırlıkları indirmek size tam kontrol sağlar.

Mistral gibi modellerin kaputun altında nasıl çalıştığını merak ediyorsanız, Large Language Models Concepts kursumuzdan çok şey edineceksiniz; Mistral’ı bir uygulamaya bağlıyorsanız, API Fundamentals in Python işin pratik kısmında yardımcı olur.