Mistral Small 3.2 24B Instruct 2506
6042°
mistralai | 128,000 token context | $0.07/M input, $0.20/M output. Mistral-Small-3.2-24B-Instruct 是 3.1 版本的直接升級，具備明顯更佳的指令遵循能力，無限生成錯誤減半，並擁有更穩健的函數呼叫介面，同時在所有先前的文字與視覺基準測試中表現持平或略有提升。
本模型的指南
2026 年最便宜的 10 款 ChatGPT 替代方案：免費本地模型、免費方案和固定費率計劃
開放權重、開源與僅API：你到底能做什麼
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
Mistral Small 3.2 24B Instruct 是 Mistral AI 推出的 240 億參數模型，基於前代的文字能力新增視覺功能，同時加強指令遵循，並將無限生成錯誤減少約一半。每百萬輸入代幣 0.07 美元的價格遠低於前沿定價，適合想要具備多模態能力且價格合理的開發者與團隊，能直接替代 3.1 版本。
以...聞名
- 在穩健文字表現基礎上新增視覺支援
- 指令遵循明顯優於 3.1 版本
- 無限生成錯誤約減半
- 更強健的函式呼叫介面，適合代理與工具使用流程
- 相較能力等級，API 價格非常低廉
注意
- 權重未公開釋出，僅能透過 API 使用。
- 128k 上下文視窗不錯，但若需超長文件仍不及 200k 以上等級。
- 視覺能力存在，但 Mistral 尚未公布基準細節。
可嘗試的提示詞
多步驟工具使用計畫
你有三個工具：search_web(query)、read_file(path) 和 send_email(to, subject, body)。使用者問：「找出最新的歐盟 AI 法規合規截止日期，然後草擬一封短郵件寄給 legal@company.com，摘要我們在該日期前需完成的事項。」請依序寫出每個工具呼叫及其參數，最後寫出郵件內容。
描述並推理影像內容
附上一張圖表或示意圖截圖。描述影像內容，指出最重要的趨勢或異常，並建議決策者基於此採取一項具體行動。整體回應不超過 150 字。
嚴格指令遵循
將以下段落精確摘要為三個要點。每點以現在式動詞開頭，不超過 12 字，且避免使用「重要」和「顯著」兩詞。段落：『去年再生能源投資創新高，受惠於太陽能板成本下降與新政府激勵措施。電網儲能容量也擴大，減少需求高峰時對化石燃料調峰電廠的依賴。』
比較
- Mistral Large 4僅限 API 模型1,048,576 代幣上下文 · $0.68/M 輸入，$2.09/M 輸出
- Mistral 7B Instruct v0.2開放權重模型32,768 代幣上下文 · $0.06/M 輸入，$0.06/M 輸出
- Ministral 3 3B 2512開放權重模型131,072 代幣上下文 · $0.10/M 輸入，$0.10/M 輸出
- Mistral Small 3開放權重模型32,768 代幣上下文 · $0.05/M 輸入，$0.08/M 輸出
更多來自 mistralai 的文字模型
常見問題
- 我可以本地運行 Mistral Small 3.2 24B 嗎？
- Mistral 尚未公開釋出權重，因此無法本地部署；僅能透過 API 使用。
- 價格與上下文視窗是多少？
- 價格為輸入代幣每百萬代幣 0.07 美元，輸出代幣每百萬代幣 0.20 美元，上下文視窗為 128,000 代幣。
- 3.2 版本與 Mistral Small 3.1 有何不同？
- 3.2 版本新增視覺能力，將無限生成錯誤減少約一半，提升指令遵循，強化函式呼叫介面，並在文字基準上持平或略有提升。
船長評語如果你需要視覺功能和更嚴謹的指令遵循，且不想支付前沿價格，這是 3.1 的乾淨且便宜升級選擇。
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
Mistral Small 3.2 24B Instruct 2506 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153