NVIDIA и Mistral AI совместно представили семейство моделей Mistral 3 — открытую мультиязычную мультимодальную серию, оптимизированную для вычислительной экосистемы NVIDIA, от крупных супервычислительных кластеров до устройств на периферии сети.
Партнёрство ориентировано на корпоративный сегмент: модели разработаны с учётом запуска на оборудовании NVIDIA и нацелены на упрощение развёртывания крупных моделей в коммерческих условиях.
Флагманская модель Mistral Large 3 использует архитектуру mixture-of-experts, которая активирует только те части сети, которые наиболее релевантны для конкретной задачи. Вместо одновременного использования всех 675 миллиардов параметров, для отдельных запросов применяется порядка 41 миллиарда активных параметров, что повышает эффективность без потери точности.
Запуск выходит на фоне роста затрат и сложности развёртывания больших моделей у корпоративных заказчиков, и компании позиционируют это решение как альтернативу закрытым платформам, направленную на ускорение перехода от исследований к практическим приложениям.
Тесты производительности показали заметные преимущества на новейшем оборудовании NVIDIA: при работе на системах GB200 NVL72 Mistral Large 3 превзошла предыдущие конфигурации на базе H200, что выражается в улучшении отклика, снижении себестоимости на токен и повышении энергоэффективности.
Помимо крупной модели, Mistral AI выпустила девять компактных моделей «Ministral 3», оптимизированных для периферийных платформ NVIDIA, включая Spark, RTX‑ПК, ноутбуки и устройства Jetson. Разработчикам уже доступна интеграция этих моделей через популярные фреймворки, такие как Llama.cpp и Ollama.
Открытый характер Mistral 3 отличает её в условиях растущей закрытости отрасли: в отличие от провайдеров, публикующих наиболее продвинутые модели только через API, Mistral делает ставку на прозрачность и возможность кастомизации. Предприятия могут адаптировать модели с помощью инструментов для работы с данными, настройки, ограничений поведения и агентских наборов инструментов, таких как NeMo Agent Toolkit.
Комментариев