AI三国杀！OpenAI狂卷，DeepSeek封神，却被Mistral偷了家？

中美正忙着堆算力打AI战，欧洲却突然杀出一条血路：模型落地更重要！Mistral一口气扔出Large 3和Ministral 3，全开源、能看图、能跑在大多数电子设备上，甚至断网也能用。未来，AI是巨头的专属权力，还是人人都能握在手中的智能？这一次，欧洲给出了自己的答案。

就在昨天，「欧洲版DeepSeek」一口气公布了两件事：

• 一个MoE大模型：Mistral Large 3
• 一套小模型：Ministral 3（14B/8B/3B）

全部开源、全部多模态、全部能落地。

Mistral Large 3

这次Mistral推出的Mistral Large 3，规格上看几乎是「开源界的准天花板」：

41B active / 675B total的MoE架构、原生图像理解、256k context、多语言能力在非英中语种上强得离谱，LMArena排名直接杀到开源模型第6。

Mistral Large 3的ELO得分在开源大模型中稳居第一梯队，和Kimi K2打成平手，仅落后DeepSeek v3.2一小截

它的底模表现也不弱，在多个基础任务上与DeepSeek、Kimi这种体量更大的模型正面交手。

Mistral Large 3（Base）在MMLU、GPOA、SimpleQA、AMC、LiveCodeBench等多项基础任务上与DeepSeek 37B、Kimi K2 127B保持同一水平，属于开源系的第一梯队底模

再看预训练能力，它和Qwen、Gemma的底模在核心评测上也是正面硬刚：

Mistral Large 3在多个核心基准上与DeepSeek、Qwen正面对比

但官方却没把重点放在数值上，反而强调：

我们开源Apache 2.0，全权在你；你想怎么改、怎么部署都行

为了实现这一点，他们和NVIDIA做了一件简单，但却很关键的事：

为了让Large 3运行得更稳定，Mistral联合NVIDIA把底层推理链路重新做了一遍：

采用NVIDIA的FP4，并重写了Blackwell的注意力与MoE内核，让Large 3在Blackwell NVL72上既快、又稳、又便宜。

这不是简单的适配，而是把Blackwell的注意力机制、MoE内核、预填充/解码分离和投机解码等关键推理路径重新做了一遍。

Ministral 3系列

真正让Mistral得意的，是Ministral 3系列。

它们体量小，但性能强。

3B、8B、14B三种大小，全部有base、instruct、reasoning三个版本，全部能看图，全部在官方benchmark里表现不俗。

这意味着：你的笔记本能跑，你的台式机能跑，无人机、机器人、汽车、边缘摄像头都能跑，甚至脱离互联网也能跑。

更关键的是，模型不只是「小」，而是「更聪明」。

Ministral 3的instruct版本在综合智能指数上的得分分别是31（14B）/ 28（8B）/ 22（3B）──全部跑赢上一代Mistral Small 3.2，参数量甚至多40%。

也就是说这代小模型不仅便宜、能跑在更多设备上，本身能力也从底层被拉升了一大截。

Large 3相比上一代Large 2提升了11分，达到38分。

但即便这样，它仍没有进入GPT-5、Gemini 3、Claude Opus那种顶级专有模型所在的第一梯队。

Artificial Analysis的综合榜单里，前排依旧被GPT-5、Gemini 3、Opus系列占据；

DeepSeek和Qwen也在持续贴近第一梯队，Mistral Large 3则恰好卡在两者之间。

这是一次可见的进步，但它的定位从来都不是「跑分之王」。

但这并不影响它的工程价值。Large 3用的是稀疏MoE架构，本身就很吃算力。

所以这次Mistral直接和NVIDIA深度绑定，把Blackwell 系列最新的注意力机制、MoE加速内核都接了上来。

最有意思的是，他们一起把「预填充 / 解码分离」和「投机解码」也做进了底层，让长文本、高并发这种企业级场景跑起来更稳、更快。

更关键的是，Ministral 3系列不仅体积小，它们已经被官方优化到能直接跑在各种真实设备上：DGX Spark、RTX PC、普通笔记本，甚至是 Jetson 这种嵌入式板子。

从数据中心到机器人，从工厂到无人机，只要有块GPU，就能跑Mistral的小模型。

Mistral Large 3（Instruct）在真实任务评估中对比 DeepSeek V3.1 / Kimi K2的胜率

再看reasoning版，AIME’25（数学推理）能在14B下做到85%。

Ministral 14B的底模实力远超同量级对手，在数学、知识问答、多语言任务中几乎全面领先Gemma 13B和Qwen 1.8B

Ministral 14B（Reasoning）在AIME’25、LiveCodeBench、GPOA Diamond、HMMT等推理任务上全面领先Qwen 14B「Thinking」，数学和代码推理几乎是同量级中的天花板。

Ministral 14B（Instruction）在WildBench、Arena Hard、数学推理和多模态任务上全面领先Gemma 13B与Qwen 1.8B，指令调优后的综合能力几乎碾压同量级模型。

这在小模型推理中，几乎是突破天花板的表现。

Mistral首席科学家Guillaume Lample一语点破：

超过90%的企业任务，用微调过的小模型就足够了。

这相当于对OpenAI的直接挑衅。

OpenAI的最强模型需要昂贵的显卡，每个token都在烧钱；Google、Anthropic的Agentic模型配置更高。

但企业真正要的是：能用、可控、便宜、可靠。

Ministral 3正是在针对这一痛点。

Lample在一次采访中提到这样一个有趣的现象：

很多公司用最强闭源模型做原型，结果上线时发现成本太贵、延迟太高，只能退回来找我们。

闭源头部模型有天然的缺陷：出了问题企业无法修复，企业数据必须上传云端，成本高的吓人......

Mistral直击要害：模型不够好？我们下场帮你造数据、帮你调模型。

他们直接派工程师进驻客户公司，把模型变成按需定制的「企业专属AI」。

用一个14B，干掉别人70B、400B的大模型，在企业场景里完全可能。

在真实人工评估中，Mistral Large 3在通用任务和多语言任务里对DeepSeek V3.1、Kimi K2取得53%–60%的胜率

Mistral的野心

把视线从模型本身移开，就会发现Mistral不仅仅是卖模型。

它在悄悄把自己变成一种平台型的存在，而那套结构现在已经清晰到让人无法忽视。

Mistral Agents API，它不仅能跑模型，还能直接在API内部接Code Interpreter、执行代码、接连工具、保持长期记忆、做结构化推理。

Magistral，专门为「复杂推理、透明推理、多语言推理」训练的模型系列。

还有突然爆火的AI Studio。官方称其能「部署在任何地方」。

由此可见，Mistral在走一种不同寻常的AI路线。

它不像美国那套「云端神谕」，更像是欧洲式的「软件制造业」哲学：

把能力做成标准件，让所有人随取随用。

Mistral 3的发布，让全球AI版图出现了一个新的裂缝。

一边是不断做大的「云端巨兽」，另一边是开始渗透到笔记本、无人机、工厂、公共机构里的「小而强AI」。

AI的未来到底属于几家巨头，还是属于每个人的设备、每个国家的生态？

这场争夺从今天才正式开盘。

参考资料：

https://mistral.ai/news/mistral-3

https://venturebeat.com/ai/mistral-launches-mistral-3-a-family-of-open-models-designed-to-run-on

https://x.com/MistralAI/status/1995872768601325836 https://x.com/ArtificialAnlys/status/1995946145236001168

文章来自于“新智元”，作者 “倾倾”。