Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Mistral · pașaport de model

Mistral: Mistral Small 3

mistral-small-24b-instruct-2501

Ponderi deschise
Licență Apache 2.0
23.6B parametri
32,768 context
Lansat 2025-01-01(din numele modelului)

General · LMArena: 1,274#288 din 396
Cea mai bună percentilă: 29.8Prompturi dificile
Poziția în cohortă: 37.7mediană 42.2

Ce spun datele

Evaluat pe 4 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 2,3 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 29.8 pct pe Prompturi dificile față de 27.5 pct pe Urmarea instrucțiunilor.

Prompturi dificile29.8 pct1,285Verifică →
Programare28.9 pct1,312Verifică →
General27.5 pct1,274Verifică →
Urmarea instrucțiunilor27.5 pct1,255Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
MMLU-Pro (Artificial Analysis)Neevaluat
LiveCodeBench (Artificial Analysis)Neevaluat
IFBench (Artificial Analysis)Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorymistralai/Mistral-Small-24B-Instruct-2501

Parametri23.6B

ArhitecturăMistralForCausalLM

LicențăApache 2.0

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "mistralai/Mistral-Small-24B-Instruct-2501"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APImistralai/mistral-small-24b-instruct-2501

Lungime context32,768 tokeni

Ieșire maximă16,384 tokeni

Preț intrare$0.05 per 1M tokeni

Preț ieșire$0.08 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyLogit biasMax tokensMin-pPresence penaltyRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"mistralai/mistral-small-24b-instruct-2501","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

mistral-small-24b-instruct-2501 stands at 37.7 (raw mean 28.4) — measured on 4 of 27 axes.
pozițieșablonVerifică →
mistral-small-24b-instruct-2501 stands at 37.7 versus a cohort median of 42.2 across 135 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →