Mistral Medium 3 — المعايير، القدرات، وحالات الاستخدام
Mistral Medium 3 هو نموذج ذكاء اصطناعي احتكاري من Mistral، مصنف ضمن الفئة المتقدمة مع نافذة سياقية تبلغ 128 ألف رمز. استعرض نتائج المعايير، ونقاط القوة، وحالات ...
2 دقيقة قراءة
Mistral Large 3 هو نموذج ذكاء اصطناعي متطور مناسب لأعباء العمل الإنتاجية الصعبة، طُوّر بواسطة Mistral وتم إصداره في ديسمبر 2025. كنموذج مفتوح الأوزان، أوزانه المدربة متاحة للجمهور — يمكنك استضافته ذاتياً، أو ضبطه بدقة على بيانات مملوكة، أو تشغيله محلياً دون الاعتماد على API. يدعم نافذة سياق تبلغ 256 ألف رمز، كافية لمعظم المستندات والتطبيقات متعددة الجولات.
في لوحة متصدرة FlowHunt للذكاء الاصطناعي، هو واحد من 24 نموذجاً متتبعاً، تم تقييمه عبر 3 معايير. النتائج البارزة: 93.6% على MATH-500 (#1 من 4)؛ 73.1% على MMLU-Pro (#5 من 8)؛ 43.9% على GPQA Diamond (#14 من 14).
تم إصدار Mistral Large 3 في 2 ديسمبر 2025 كأقوى نموذج تجاري من Mistral، والأهم من ذلك، كإصدار مفتوح الأوزان بموجب ترخيص Apache 2.0. مع 41 مليار معامل نشط من أصل 675 مليار في بنية MoE الكلية، فهو أكبر وأقوى نموذج كامل بترخيص Apache والمجاور للحدود المتقدمة المتاح. صممت Mistral Large 3 لتلبية احتياجات المؤسسات الأوروبية على وجه التحديد: قابلة للنشر في مراكز بيانات الاتحاد الأوروبي، متوافقة مع اللائحة العامة لحماية البيانات (GDPR) من حيث البنية (البيانات لا تغادر منطقة النشر أبداً)، وقابلة للاستخدام في التطبيقات التجارية دون شروط الترخيص المقيدة للعديد من النماذج مفتوحة الأوزان. نتيجة MMLU-Pro البالغة 84.2% وملفها القوي في التفكير العلمي جعلاها الخيار الافتراضي للصناعات الأوروبية الخاضعة للتنظيم — المالية والرعاية الصحية والقانونية — التي تحتاج إلى قدرة قوية في الذكاء الاصطناعي دون إرسال البيانات إلى مزودي API المقيمين في الولايات المتحدة.
ملاحظة: نموذج عام للمؤسسات، Apache 2.0. ضعف في التفكير الصعب (GPQA 43.9%).
- Released
- December 2025
- Parameters
- 41B/675B MoE
- Context
- 256K tokens
- Weights
- Open
- Tier
- Advanced
- Provider
- Mistral
Mistral Large 3 Benchmark Rankings
Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.
| Benchmark | Score | Rank | Source | What it measures |
|---|---|---|---|---|
| GPQA Diamond | 43.9% | 14 of 14 | 3P | Graduate-level Google-proof science Q&A |
| MMLU-Pro | 73.1% | 5 of 8 | 3P | Hard knowledge reasoning, 12K questions |
| MATH-500 | 93.6% | 1 of 4 | 3P | Hendrycks math (500 problems) |
Detailed Benchmark Scores
GPQA ◇
3P
43.9%
Graduate-level Google-proof science Q&A
MMLU-P
3P
73.1%
Hard knowledge reasoning, 12K questions
MATH
3P
93.6%
Hendrycks math (500 problems)
Mistral Large 3 vs. Advanced Peers
Head-to-head benchmark comparison with other Advanced-tier models. Higher is better for all metrics.
| Benchmark | Mistral Large 3 | Claude Sonnet 4.6 | GPT-4.1 |
|---|---|---|---|
| GPQA ◇ | 43.9% | — | — |
| MMLU-P | 73.1% | — | — |
| MATH | 93.6% | 89.0% | — |
About Mistral
Mistral AI هي شركة فرنسية للذكاء الاصطناعي تأسست في أبريل 2023 على يد آرثر مينش (سابقًا في Google DeepMind)، غيوم لامبل، وتيموثيه لاكروا (كلاهما سابقًا في Meta AI Research). تضع الشركة نفسها كبطل أوروبي في الذكاء الاصطناعي التوليدي، من خلال الجمع بين أعمال واجهة برمجة تطبيقات تجارية وإصدارات استراتيجية مفتوحة الأوزان. جعلت سلسلة Large الرائدة ونماذج المرخصة برخصة Apache 2.0 من Mistral المزود الأكثر بروزًا من خارج الولايات المتحدة والصين على معظم لوحات متصدرات الذكاء الاصطناعي. تحتفظ الشركة بمقر رئيسي أوروبي في باريس، وتؤكد على الامتثال للائحة العامة لحماية البيانات (GDPR) واللوائح الأوروبية، وقد أوضحت فلسفة تنظيمية متميزة تدعو إلى تنظيم أخف للنماذج مفتوحة الأوزان مقارنة بأنظمة واجهة برمجة التطبيقات المغلقة.
حالات الاستخدام
لأي استخدامات Mistral Large 3
- التفكير العلمي والتقني
يحقق Mistral Large 3 نسبة 43% على GPQA Diamond (#14 من 14 نموذجاً). يتعامل مع الأسئلة والأجوبة العلمية العامة بمستوى جيد، رغم أن النماذج الحدودية تسجل 25+ نقطة مئوية أعلى في أصعب المسائل على مستوى الدراسات العليا.
- النشر الذاتي والخاص
Mistral Large 3 مفتوح الأوزان (41B/675B MoE من المعاملات) — أوزانه المدربة متاحة للجمهور للتنزيل والنشر الذاتي. قم بتشغيله على أجهزة GPU الخاصة بك أو سحابتك الخاصة لضمان عدم مغادرة البيانات لبيئتك، أو التخلص من تكاليف API لكل رمز على نطاق واسع، أو ضبط النموذج بدقة على مجموعات البيانات المملوكة.
Strengths & Limitations
Strengths
- الرياضيات المتقدمة — 93% MATH-500
- النشر الذاتي والخاص للبيانات (مفتوح الأوزان)
- المهام طويلة السياق (نافذة سياق 256 ألف رمز)
Limitations
- ضعف التفكير العلمي الصعب مقارنة بالنماذج الحدودية (43% GPQA — النماذج الحدودية تصل إلى 90%+)
تصفح لوحة متصدرة نماذج الذكاء الاصطناعي الكاملة
قارن جميع النماذج الـ 24 عبر 11 معياراً — قابلة للفرز، موثقة المصادر، ومحدثة حتى يونيو 2026.
الأسئلة الشائعة
اعرف المزيد
Mixtral 8x7B — المعايير، القدرات، وحالات الاستخدام
Mixtral 8x7B هو نموذج ذكاء اصطناعي مفتوح الأوزان من Mistral (12.9B/46.7B MoE)، مصنف في الطبقة القديمة، مع نافذة سياقية تبلغ 32K رمزًا. وهو متاح مباشرة في FlowHu...
3 دقيقة قراءة
MiniMax M3 — المعايير، القدرات، وحالات الاستخدام
MiniMax M3 هو نموذج ذكاء اصطناعي مفتوح الأوزان من MiniMax (MoE (غير معلن))، مصنف ضمن المستوى الحدودي (Frontier) مع نافذة سياقية تبلغ مليون رمز (1M tokens). وهو ...
4 دقيقة قراءة