Mistral AI(Mistral 3 / Ministral 3):歐洲開源選擇,以及它在資料治理對話中的位置

一句話答案:Mistral 是目前授權條款最乾淨、小型號最容易在校內舊機跑起來的開源供應商;它不是中文能力最強的選擇,但在「資料要留在校網」的對話裡非常好用。

這是甚麼:一家把整條產品線都開源的歐洲廠商

Mistral AI 是法國公司,2023 年以 Mistral 7B 與 Mixtral 8x7B 出名。Mixtral 那一代把混合專家(MoE)架構帶進開源社群,後來 DeepSeek 與 Qwen 的大型 MoE 都沿着這條路走。

它與其他供應商最明顯的分別,是願意把旗艦也一併開源。2025 年 12 月的 Mistral 3 發佈,把 base 與 instruct 版本全部以 Apache 2.0 公開,這在同級供應商之中是少數。對學校而言,這代表「先下載試用、覺得合適再擴大」不需要經過任何商務談判。

要提醒的是,歐洲廠商的身分本身不是香港學校的合規答案。香港學校面對的是《個人資料(私隱)條例》的要求,關鍵是個人資料有沒有離境、有沒有做評估;把目的地由美國換成歐洲,仍然是跨境傳輸。真正有分別的,是把模型放進校內伺服器。

現行陣容:一個大型 MoE 加三個小型號

• Mistral Large 3(2025 年 12 月):6,750 億總參數、410 億啟動參數的稀疏 MoE,26 萬 token 上下文,支援圖像理解,每 100 萬 token 輸入 0.50 美元、輸出 1.50 美元。以 Apache 2.0 同時發佈 base 與 instruct 版本,並提供 NVFP4 壓縮檢查點,官方說明可在單一 8 卡 A100 或 H100 節點上以 vLLM 運行。
• Ministral 3 14B / 8B / 3B(2025 年 12 月):三個密集小型號,同樣 Apache 2.0,每個尺寸都有 base、instruct 與 reasoning 三種變體,全部支援圖像理解。這三個才是學校自架的實際目標。
• Mixtral 8x7B(2023 年 12 月 11 日):把 MoE 架構帶入開源社群的里程碑,現在主要是歷史與教學價值。

完整的版本、日期與價格對照,見本頁下方自動生成的系列表。

優點:對學校而言最實際的四點

1. 授權條款最容易向校方解釋。Apache 2.0 沒有用戶數上限、沒有年收入門檻,一份權重可以同時給教師工具與學生導師使用,不需要逐個模組計價。
2. 小型號真的小。Ministral 3 的 3B 與 8B 可以在沒有專用顯示卡的桌面機上跑起來,對想在電腦室做一堂「AI 是怎樣運作」的示範課特別方便。
3. 價格低而且透明。以 API 計算,Mistral Large 3 的 0.50 / 1.50 美元屬於同級最低一檔;批量處理再減半,重複提示的快取輸入最多可減九成。
4. 成本效益是官方賣點,不只是宣傳。Mistral 強調 Ministral 的 instruct 型號在同級表現相當,但輸出的 token 數往往少一個數量級——對學校來說,這直接等於更短的等待時間。

缺點與局限:必須向校長說清楚的部分

• 授權文字有不一致的地方。Mistral 3 的發佈公告寫明全線 Apache 2.0,但同一家公司的定價頁常見問題卻另有一段,指舊版開源型號的商業部署需要另取 Mistral 授權。學校採購前應以實際下載的模型卡授權檔案為準,不要只憑新聞稿。
• 旗艦不是學校自架得起的。8 卡 A100 或 H100 的節點是大學或機構規格,一般中小學不用考慮;能自架的只有 Ministral 一級。
• 繁體中文不是它的強項。官方強調的多語優勢集中在非英語、非中文語系。處理香港教材與中文評語,實測穩定度通常不如 Qwen 或雲端旗艦。
• 沒有語音模型可配合口語練習。Mistral 有 Voxtral 系列的轉錄型號,但粵語教育場景的實測支援遠不及我們在口語練習上採用的方案,學校不應假設可以一家全包。
• 不是為課堂設計的。與所有通用供應商一樣,它不認識你校的課程進度與評分習慣,學生端也沒有任何守門機制,這些必須由平台補上。

適用場景

教師:摘要長文件、把英文參考資料整理成備課筆記、生成工作紙題目的變體。Ministral 3 14B 已足夠應付這些日常任務,而且回應快。

學生:適合做離線的基本問答與練習提示,並且一定要在導師模式下使用,由平台限制它只給提示不給答案。不建議用它處理需要準確中文評語的寫作回饋。

IT 主任:把 Ministral 3 的 3B 或 8B 當成「最低門檻的試行方案」——在一台現有桌面機上跑起來,量度延遲與同時使用人數,用這批數據去說服校方是否值得投資顯示卡。

教育場景實測提示

以下提示可直接貼進 Edor.ai 的教師工具,或任何連接本地 Mistral 權重的介面。小型號更容易在細節上出錯,最後一句核實要求不要刪。

你是香港中學地理科教師。我要為中三學生設計一份 25 分鐘的課堂活動,主題是「香港的填海與土地供應」。
輸出:活動流程(分 3 個時段,每段寫明教師做甚麼、學生做甚麼)、討論問題 4 條(由具體到抽象)、簡短工作紙(表格形式)、差異化教學建議 2 項(一項給能力較弱、一項給能力較強的學生)。
限制:用繁體中文(香港用語);不要提供結論式答案;所有年份、面積與政策名稱若不確定,請寫「請教師核實」,不要自行編造。

以下是一份小五數學單元測驗的題目。請幫我檢查難度梯度是否合理。
請輸出:每題對應的認知層次(記憶／理解／應用)、指出兩題難度跳升過大的位置並各提出一個過渡題建議、列出一項你認為容易引起誤解的題目表述。
限制:用繁體中文(香港用語);不要重寫整份試卷;不要改動題目分數;若你對香港小學數學課程的一般進度沒有把握,請明確標示「請教師核實」。
[貼上測驗題目]

在 Edor.ai 的可用性

Mistral 不是平台的原生供應商。Edor.ai 原生支援 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama 五種;Mistral 的權重是透過最後一項進入平台的——學校在校內機器上用 Ollama 跑起 Mistral 或 Ministral,再在後台把供應商設為本地 Ollama。

這正是學校把學生資料留在校網內的做法:對話不經任何外部雲端,四層守門、教師監控、ai_audit_logs 稽核紀錄與校本知識庫檢索全部照常運作,功能與雲端版本一致,資料仍然屬於學校,可隨時一鍵全量匯出。

想再走一步的學校,可以用自己的教案與範文對開源權重做微調。LoRA、QLoRA 與 INT4 量化就是讓這件事在一張消費級顯示卡上完成的關鍵技術,也正是 LLM 教室 裡教的同一套內容——我們的校內部署選項與課程用的是同一組概念。

替代方案

• 想要更強的繁體中文處理 → 看 Alibaba Qwen。
• 想要同樣 Apache 2.0、但支援圖像與代理任務的 30B 級型號 → 看 Meta 開源權重。
• 想要最省心、不用管硬件 → 看原生供應商 OpenAI 與 Anthropic Claude。
• 想先弄清楚自架與雲端的成本與私隱差別 → 讀 開源與閉源的成本與私隱權衡。