/ Модель

Характеристики

Контекст
262 144 токена
Параметры
13,4 млрд
Размер весов
27 ГБ
Лицензия
Apache 2.0
Архитектура
ministral3 · dense
Базовая модель
Ministral-3-14B-Base-2512
Библиотека
transformers
Опубликована
5 сен 2026

Ministral-3-14B-Base-2512-text

Генерация текстаТекст → текст7 профессий

Текстовая базовая модель Ministral 3 с 13,4 млрд параметров и контекстом 262 144 токена для генерации текста и дальнейшей настройки.

92скачиваний за 30 дней0лайковвеса обновлены5 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это текстовая версия базовой модели Ministral 3, подготовленная aimeri из mistralai/Ministral-3-14B-Base-2512. При экспорте удалены башня зрения Pixtral и мультимодальный проектор, а веса языковой модели сохранены без изменений: модель не дообучалась, не объединялась с другими и не квантизировалась. Архитектура — плотная авторегрессионная Ministral3ForCausalLM с 13,4 млрд параметров, 40 слоями и контекстом до 262 144 токенов.

Модель предназначена для генерации текста и использования в качестве базовой точки для дальнейшей настройки. В карточке перечислена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Она распространяется в формате safetensors по лицензии Apache-2.0.

Это базовая, а не чат-модель: готового шаблона диалога нет. По README, большинство управляющих токенов не обучены и не должны использоваться без дополнительной настройки или замены соответствующих весов. При загрузке через AutoTokenizer также есть ограничения на работу с пользовательскими Jinja-шаблонами; для таких сценариев README рекомендует PreTrainedTokenizerFast.

Сценарии применения

  • генерация продолжений текста
  • дообучение базовой языковой модели под прикладную задачу
  • создание специализированной модели на основе многоязычного чекпойнта
  • обработка длинных текстовых последовательностей

Ограничения

Это базовая модель без готового чат-шаблона; большинство управляющих токенов не обучены и не подходят для надёжного использования без дополнительной настройки. README также указывает, что backend mistral-common, возвращаемый AutoTokenizer, игнорирует пользовательские Jinja-шаблоны.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

aimeri/Ministral-3-14B-Base-2512-text

Text-only export of mistralai/Ministral-3-14B-Base-2512: the Pixtral vision tower and the multimodal projector are removed, the language model is published as a plain Ministral3ForCausalLM. Every language-model tensor is bit-identical to the original. Nothing was trained, merged or quantised.

What changed

  • Dropped vision_tower.* and multi_modal_projector.* (222 tensors). Kept 363 tensors, 27.01 GB in bf16.
  • Keys renamed to the CausalLM layout: language_model.lm_head.weight -> lm_head.weight, language_model.model.* -> model.*.
  • config.json is the original text_config promoted to the top level with architectures: [Ministral3ForCausalLM]. model_type stays ministral3: this is not a plain Mistral, attention applies a Llama-4-style temperature scale (rope_parameters.llama_4_scaling_beta).
  • tie_word_embeddings: false is written explicitly. The original composite config leaves the outer-level default (true), and a stock from_pretrained of the original then silently replaces the real pretrained lm_head with the embedding matrix. The two are genuinely different: max|lm_head - embed_tokens| = 0.148125.
  • llama_4_scaling: {original_max_position_embeddings, beta} is mirrored at the top level for vLLM, whose MistralForCausalLM reads that attribute and otherwise skips the scale on HF-format checkpoints.
  • Tokenizer files (tokenizer.json, tekken.json, tokenizer_config.json, special_tokens_map.json) are copied verbatim; only processor_class was removed from tokenizer_config.json. No chat template is added, this is a base model.

Architecture

{
  "hidden_size": 5120,
  "intermediate_size": 16384,
  "num_hidden_layers": 40,
  "num_attention_heads": 32,
  "num_key_value_heads": 8,
  "head_dim": 128,
  "vocab_size": 131072,
  "max_position_embeddings": 262144
}

RoPE: yarn, theta 1000000000.0, factor 16.0, original_max_position_embeddings 16384, llama_4_scaling_beta 0.1.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer, PreTrainedTokenizerFast
model = AutoModelForCausalLM.from_pretrained('aimeri/Ministral-3-14B-Base-2512-text', dtype='bfloat16', device_map='auto')
tok = AutoTokenizer.from_pretrained('aimeri/Ministral-3-14B-Base-2512-text')   # mistral-common backend when tekken.json is present

AutoTokenizer returns the mistral-common backend because tekken.json ships alongside tokenizer.json. That backend ignores custom Jinja chat templates. If you fine-tune with your own template, load PreTrainedTokenizerFast.from_pretrained(...) instead (control tokens then encode as single ids: <s>=1, </s>=2, [INST]=3, [/INST]=4). If you drop tekken.json from a copy, ALSO set tokenizer_class to PreTrainedTokenizerFast in tokenizer_config.json: on transformers 5.x the LlamaTokenizerFast class named there rebuilds a sentencepiece-style pre-tokenizer instead of using tokenizer.json, and "a\nb" becomes one token (newlines disappear).

  • vLLM: Ministral3ForCausalLM is registered (served by its Mistral implementation). Check the log shows the Llama-4 attention scale enabled; the llama_4_scaling key in config.json is what turns it on.
  • llama.cpp: convert_hf_to_gguf.py registers Ministral3ForCausalLM (YaRN + attention temperature scale).

Control-token liveness (measured on this export)

The pretraining data never contained most of the control tokens, so their embedding and lm_head rows are untrained stubs (every unused row is the same shared vector). Only the rows below are trained on both sides; everything else in ids 0-999 is dead and must be trained or grafted before it can be relied on.

idtokenembed normhead normstatus
0<unk>0.00000.1701embed dead, head dead
1<s>0.37310.1701embed ok, head dead
2</s>0.22290.4048embed ok, head ok
3[INST]0.22220.1701embed ok, head dead
4[/INST]0.25700.1701embed ok, head dead
5[AVAILABLE_TOOLS]0.00000.1701embed dead, head dead
6[/AVAILABLE_TOOLS]0.00000.1701embed dead, head dead
7[TOOL_RESULTS]0.00000.1701embed dead, head dead
8[/TOOL_RESULTS]0.00000.1701embed dead, head dead
9[TOOL_CALLS]0.00000.1701embed dead, head dead
10[IMG]0.00000.1701embed dead, head dead
11<pad>0.00000.1701embed dead, head dead
12[IMG_BREAK]0.24180.1701embed ok, head dead
13[IMG_END]0.28880.1701embed ok, head dead
14[PREFIX]0.00000.1701embed dead, head dead
15[MIDDLE]0.00000.1701embed dead, head dead
16[SUFFIX]0.00000.1701embed dead, head dead
17[SYSTEM_PROMPT]0.00000.1701embed dead, head dead
18[/SYSTEM_PROMPT]0.00000.1701embed dead, head dead
19[TOOL_CONTENT]0.00000.1701embed dead, head dead
20<SPECIAL_20>0.00000.1701embed dead, head dead
21<SPECIAL_21>0.00000.1701embed dead, head dead
22<SPECIAL_22>0.00000.1701embed dead, head dead
23<SPECIAL_23>0.00000.1701embed dead, head dead
24[AUDIO]0.00000.1701embed dead, head dead
25[BEGIN_AUDIO]0.00000.1701embed dead, head dead
26<SPECIAL_26>0.00000.1701embed dead, head dead
27<SPECIAL_27>0.00000.1701embed dead, head dead
28<SPECIAL_28>0.00000.1701embed dead, head dead
29<SPECIAL_29>0.00000.1701embed dead, head dead
30<SPECIAL_30>0.00000.1701embed dead, head dead
31<SPECIAL_31>0.00000.1701embed dead, head dead
32[ARGS]0.00000.1701embed dead, head dead
33[CALL_ID]0.00000.1701embed dead, head dead
34[THINK]0.00000.1701embed dead, head dead
35[/THINK]0.00000.1701embed dead, head dead
36<SPECIAL_36>0.00000.1701embed dead, head dead
37<SPECIAL_37>0.00000.1701embed dead, head dead
38<SPECIAL_38>0.00000.1701embed dead, head dead
39<SPECIAL_39>0.00000.1701embed dead, head dead
500<SPECIAL_500>0.00000.1701embed dead, head dead
999<SPECIAL_999>0.00000.1701embed dead, head ok

Trained on both sides: </s>. Dead on at least one side: 39 of 40 named control tokens.

Provenance

Converted from mistralai/Ministral-3-14B-Base-2512 with prep_text_only.py (streaming shard rewrite, CPU only). Verified after writing: key census, lm_head untied on disk, transformers load, and logits parity against the original VLM on the same tokens. License follows the original: Apache-2.0.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Ministral3ForCausalLM
Ревизия весов
093e130

0 моделей