Mistral: francuskie modele AI do uruchomienia na własnym komputerze

Czym jest Mistral?

Mistral AI to francuska firma, która publikuje modele językowe z otwartymi wagami. Plik modelu pobierasz na dysk i uruchamiasz u siebie, bez wysyłania rozmów do chmury. Oferta jest szeroka: od modeli z 3 mld parametrów po serwerowe giganty z setkami miliardów.

Parametry (wagi) to liczby, których model nauczył się w czasie treningu. Im ich więcej, tym model zwykle mądrzejszy, ale też większy i wolniejszy. Na tej karcie opisujemy tylko te modele Mistrala, które realnie zmieszczą się na domowym komputerze:

Kontekst to ilość tekstu, którą model widzi naraz: twoje pytanie, wklejone dokumenty i dotychczasową rozmowę. Mierzy się go w tokenach, czyli kawałkach słów. 256K oznacza ok. 256 tys. tokenów, ale każdy dodatkowy fragment kontekstu zajmuje pamięć, więc w praktyce na domowym sprzęcie korzysta się z dużo krótszego.

Ministral 3 wyszedł w trzech odmianach: bazowej, instrukcyjnej (do rozmowy) i rozumującej (najpierw „myśli”, potem odpowiada). Wszystkie rozumieją obrazy, więc możesz wkleić zrzut ekranu albo zdjęcie dokumentu i zapytać o treść. Mistral Small 3.2 też przyjmuje obrazy.

Mocne i słabe strony modeli Mistral

Mocne strony

Wszystkie modele z tej karty mają licencję Apache 2.0. Możesz ich używać w firmie, modyfikować i wbudowywać w produkty bez opłat i bez limitów liczby użytkowników. Dla wielu osób ważne jest też to, że to europejski producent.

Ministral 3 daje obraz na wejściu już w modelu 3B, a do tego natywne wywoływanie funkcji (model może poprosić twój program o uruchomienie narzędzia) i odpowiedzi w formacie JSON. Według Mistrala wersja rozumująca 14B osiąga 85% w AIME '25, czyli w zadaniach z amerykańskiego konkursu matematycznego.

Devstral Small 2 to model wyspecjalizowany w kodzie. Twórca podaje 68,0% w SWE-bench Verified, teście, w którym model ma samodzielnie naprawić prawdziwe zgłoszenia błędów z projektów na GitHubie. Poprzednia wersja, Devstral Small 1.1, miała 53,6%. Razem z Devstralem 2 Mistral wydał narzędzie Mistral Vibe CLI (też Apache 2.0), czyli agenta do programowania w terminalu.

Słabe strony

Karty Ministral 3 wymieniają 11 języków (m.in. angielski, francuski, niemiecki, hiszpański, chiński) i polskiego wśród nich nie ma. Testy wiedzy o Polsce wypadają dla małych Ministrali słabo, o czym niżej.

Najmocniejsze modele Mistrala do programowania, Devstral 2 i Medium 3.5, nie mają już licencji Apache 2.0, a do tego są za duże na zwykły komputer. W Ollamie brakuje też części wariantów: nie ma oficjalnych tagów dla rozumujących Ministrali 3 ani dla Mistral Small 4.

Co z większymi modelami Mistrala?

Większość tegorocznych premier Mistrala to modele dla serwerów. Często pojawiają się w nich modele MoE (mixture of experts). Taki model składa się z wielu „ekspertów”, a przy każdym tokenie pracuje tylko kilku z nich. Dzięki temu liczy szybciej, ale w pamięci i tak musi się zmieścić cały model.

• Mistral Small 4 (16 marca 2026): mimo nazwy ma 119 mld parametrów, z czego aktywnych jest ok. 6 mld (128 ekspertów, 4 aktywne). Łączy w jednym modelu czat, rozumowanie (dawny Magistral) i kod (dawny Devstral). Licencja Apache 2.0. Nie ma go w oficjalnej bibliotece Ollamy, są tylko społecznościowe pliki GGUF na Hugging Face. Szacunek pamięci w Q4_K_M to ok. 74 GB.
• Devstral 2 (9 grudnia 2025): 123 mld parametrów, 72,2% w SWE-bench Verified według twórcy. Plik devstral-2:123b ma 75 GB według ollama.com.
• Mistral Medium 3.5 (22 maja 2026): 128 mld parametrów, gęsty model z obrazem na wejściu. Mistral podaje 77,6% w SWE-bench Verified i pisze, że zastępuje on Devstrala 2 w jego agentach kodujących. W Ollamie plik ma 80 GB.
• Mistral Large 3 (2 grudnia 2025): MoE z 675 mld parametrów (41 mld aktywnych), Apache 2.0. W Ollamie dostępny tylko w chmurze (mistral-large-3:675b-cloud).
• Mistral Large 4 (zapowiedź 6 października 2026): ok. 1 bln parametrów, 52 mld aktywnych, obraz na wejściu. Na razie działa jako podgląd w API Mistrala i jako mistral-large-4:cloud w Ollamie. Mistral obiecał wagi do końca października, ale 21 października 2026 nie było ich jeszcze na Hugging Face. Licencja nie jest znana.

Uwaga: Devstral 2 i Mistral Medium 3.5 mają zmodyfikowaną licencję MIT. Nie daje ona żadnych praw firmom, których globalny przychód przekracza 20 mln USD miesięcznie. Takie firmy potrzebują osobnej licencji komercyjnej od Mistrala. Dla małej firmy czy osoby prywatnej ten limit zwykle nie ma znaczenia, ale w korporacji trzeba go sprawdzić przed wdrożeniem.

Czy Mistral dobrze mówi po polsku?

To zależy od rozmiaru. Mistral deklaruje w Ministral 3 „ponad 40 języków”, ale nie publikuje ich listy, a karty tych modeli nie wymieniają polskiego. Polski jest natomiast w metadanych językowych Mistral Small 3.2 (a także większych Small 4 i Medium 3.5). Niezależne polskie testy pokazują mieszany obraz:

MT-Bench PL (SpeakLeash) to wieloturowe rozmowy po polsku w ośmiu kategoriach, od pisania po matematykę, oceniane przez GPT-4 w skali 0–10. Mistral Small 3.1 jest tu drugi w całej tabeli. Nowszego Small 3.2 w niej nie ma, a dane były ostatnio aktualizowane w styczniu 2026.

CPTU-Bench (SpeakLeash) sprawdza rozumienie trudnych polskich tekstów: wydźwięk, frazeologię, podchwytliwe pytania. Podajemy średnią z czterech kategorii (stan danych z sierpnia 2026). Small 3.2 jest na 28. miejscu na 102 modele, przed Bielikiem 11B v3 (34. miejsce).

PLCC (OPI PIB) to 600 pytań o polską historię, geografię, kulturę, sztukę, gramatykę i słownictwo. Podajemy średnią z sześciu kategorii według danych z 17 października 2026. Tu modele Mistrala wyraźnie przegrywają z Bielikiem, a małe Ministrale wypadają najsłabiej.

Wniosek: Mistral Small 3.2 dobrze rozmawia i rozumie polski tekst, ale wie mniej o polskich realiach. Małe Ministrale 3 wystarczą do prostych poleceń, jednak do pisania po polsku lepiej wybrać model trenowany na polskich danych. Szersze zestawienie znajdziesz w tekście najlepszy model po polsku.

Który wariant Mistrala wybrać?

Poniżej podajemy szacunek pamięci dla kwantyzacji Q4_K_M. Kwantyzacja to zapisanie wag z mniejszą dokładnością (tu ok. 4,9 bita na wagę zamiast 16), dzięki czemu model zajmuje kilka razy mniej miejsca przy niewielkiej utracie jakości. Szacunek liczymy według naszej metodologii.

• Laptop z 8 GB RAM: Ministral 3 3B (szacunek ok. 2,8 GB, plik ma 3,0 GB według ollama.com). Model 8B (ok. 6,5 GB) zmieści się na styk, jeśli zamkniesz inne programy.
• Komputer z 16 GB RAM albo karta graficzna z 8–12 GB VRAM: Ministral 3 8B (plik 6,0 GB). Na karcie z 12 GB lub więcej możesz spróbować 14B (szacunek ok. 9,6 GB, plik 9,1 GB).
• Karta z 24 GB VRAM albo komputer z 32 GB RAM: Mistral Small 3.2 lub Devstral Small 2 (szacunek ok. 15,7 GB, plik 15 GB). Na karcie z 16 GB model zmieści się tylko przy krótkim kontekście; jeśli zabraknie miejsca, część trafi do zwykłego RAM i odpowiedzi zwolnią.
• Mac z Apple Silicon: pamięć jest wspólna dla procesora i grafiki. Na Macu z 16 GB wybierz Ministral 3 8B lub 14B, na Macu z 32 GB lub więcej modele 24B.

Do programowania wybierz Devstral Small 2. Ollama podaje dla niego kontekst 384K, a Mistral 256K; długi kontekst przyda się przy dużych projektach, ale szybko zużywa pamięć.

Uwaga: w Ollamie stary tag devstral:24b to nadal pierwsza wersja Devstrala z maja 2025 roku. Nowszy model ma osobną nazwę devstral-small-2. Wersji Devstral Small 1.1 nie ma w oficjalnej bibliotece.

Jak uruchomić Mistral na swoim komputerze?

1. Zainstaluj Ollama. Instalator dla Windows, macOS i Linuksa jest na ollama.com/download. Program działa w tle (API pod http://localhost:11434).
2. Pobierz i uruchom model. W terminalu (Windows: PowerShell) wpisz komendę z ramki. Pierwsze uruchomienie pobiera plik, kolejne działają bez internetu.

   ollama run ministral-3:8b

   ollama run devstral-small-2

   Mistral Small 3.2: ollama run mistral-small3.2. Uwaga: stary tag devstral:24b to pierwsza wersja Devstrala z maja 2025, nowsza jest pod nazwą devstral-small-2.

3. Rozmawiaj. Pisz i zatwierdzaj Enterem. /bye kończy rozmowę, ollama list pokazuje pobrane modele, ollama rm <nazwa> je usuwa.
4. Wolisz okienka? Użyj LM Studio. W LM Studio wejdź w wyszukiwarkę modeli i wpisz „Ministral 3”. Ministral 3, Mistral Small 3.2 i Devstral są w katalogu LM Studio.

Ile pamięci potrzebuje Mistral?

Wariant	Parametry	RAM/VRAM (szacunek)	Plik w Ollama	Tag Ollama
Ministral 3 3B	3 mld	≈2,8 GB	3 GB	ministral-3:3b
Ministral 3 8B	8,9 mld	≈6,5 GB	6 GB	ministral-3:8b
Ministral 3 14B	14 mld	≈9,6 GB	9,1 GB	ministral-3:14b
Small 3.2 24B	24 mld	≈15,7 GB	15 GB	mistral-small3.2
Devstral Small 2 24B	24 mld	≈15,7 GB	15 GB	devstral-small-2

Jak liczymy szacunek?

Szacunek = parametry (mld) × bity na wagę / 8 + 1 GB zapasu. Dla kwantyzacji Q4_K_M przyjmujemy 4,9 bita, dla Q8_0 8,5 bita (wartości z tabeli w dokumentacji llama.cpp); zapas obejmuje krótki kontekst i sam program. Dłuższy kontekst zużywa więcej pamięci. W modelach MoE w pamięci muszą być wszystkie parametry, nie tylko aktywne. „Plik w Ollama” to rozmiar podany na ollama.com (lub plik GGUF na Hugging Face) dla danego tagu; bywa inny niż szacunek, bo pliki zawierają też np. koder obrazu, a Ollama nie zawsze używa Q4_K_M.

Dla kogo Mistral, a kiedy wybrać coś innego?

Mistral to dobry wybór, jeśli chcesz modelu od europejskiej firmy na prostej licencji Apache 2.0, potrzebujesz analizy obrazów w małym modelu albo szukasz asystenta do kodu, który zmieści się na jednej karcie graficznej.

Kiedy rozważyć coś innego:

• Piszesz głównie po polsku i masz słabszy sprzęt: Bielik ma w PLCC prawie dwa razy wyższy wynik niż Ministral 3 8B.
• Zależy ci na najlepszym wyniku w programowaniu: według twórców Qwen 3.6 27B ma 77,2% w SWE-bench Verified wobec 68,0% Devstrala Small 2. Producenci mierzą to jednak w różnych warunkach, więc liczby nie są w pełni porównywalne. Więcej o modelach do kodu: Qwen3-Coder.
• Chcesz innego modelu z obrazem na wejściu na Apache 2.0: zobacz Gemmę 4.

Najczęstsze pytania

Czy modele Mistral są darmowe do użytku komercyjnego?

Modele z tej karty, czyli Ministral 3, Mistral Small 3.2 i Devstral Small 2, mają licencję Apache 2.0 i można ich używać komercyjnie bez opłat. Inaczej jest z Devstral 2 (123B) i Mistral Medium 3.5: mają zmodyfikowaną licencję MIT, która nie daje praw firmom z globalnym przychodem powyżej 20 mln USD miesięcznie. Takie firmy muszą kupić licencję komercyjną.

Czym się różni devstral od devstral-small-2 w Ollamie?

Tag devstral:24b to pierwsza wersja Devstrala z maja 2025 roku (plik 14 GB, kontekst 128K). Nowszy Devstral Small 2 z grudnia 2025 roku ma osobną nazwę: ollama run devstral-small-2. Jeśli chcesz aktualny model do programowania, wybierz ten drugi.

Czy Mistral Small 4 da się uruchomić w Ollamie?

Mistral Small 4 nie ma wpisu w oficjalnej bibliotece Ollamy. Mimo nazwy to duży model MoE: 119 mld parametrów, z których przy każdym tokenie pracuje ok. 6 mld. Szacunek pamięci w Q4_K_M to ok. 74 GB, więc to sprzęt klasy stacji roboczej, a nie zwykły laptop.

Czy Mistral dobrze mówi po polsku?

Modele 24B radzą sobie dobrze: Mistral Small 3.1 ma 9,18 pkt na 10 w MT-Bench PL, a Small 3.2 wyprzedza Bielika 11B v3 w CPTU-Bench. Małe Ministrale 3 słabo znają polską kulturę i realia (PLCC: 8B ma 35,17 pkt wobec 70,67 Bielika). Do pisania po polsku na słabszym sprzęcie lepszy jest Bielik.

Kiedy będą wagi Mistral Large 4?

Mistral AI zapowiedział Large 4 6 października 2026 roku jako podgląd w API i obiecał udostępnić wagi do końca października. Według stanu na 21 października 2026 roku wag nie ma jeszcze w repozytorium Mistrala na Hugging Face. To model z ok. 1 bln parametrów, więc i tak nie jest przeznaczony na domowy komputer.

Źródła

10 pozycji

1. Introducing Mistral 3 (Mistral AI) mistral.ai
2. Ministral 3 8B Instruct 2512 – karta modelu (Hugging Face) huggingface.co
3. Devstral 2 i Mistral Vibe CLI (Mistral AI) mistral.ai
4. Devstral Small 2 24B Instruct 2512 – karta modelu (Hugging Face) huggingface.co
5. Mistral Small 4 (Mistral AI) mistral.ai
6. Mistral Medium 3.5 i zdalni agenci Vibe (Mistral AI) mistral.ai
7. Introducing Mistral Large 4 (Mistral AI) mistral.ai
8. devstral – lista tagów (Ollama) ollama.com
9. MT-Bench PL (SpeakLeash, Hugging Face) huggingface.co
10. PLCC: Polish Linguistic and Cultural Competency (OPI PIB, Hugging Face) huggingface.co