Mistral AI(Mistral 3 / Ministral 3)：歐洲開源供應商，小型號最貼近舊機試行

Mistral 是辦學團體內部文件寫「偏好歐洲供應商」時最常被點名的名字；但香港採購最常誤解的一點，是以為「歐洲公司」就自動符合私隱要求——呼叫雲端 API 仍是跨境，只有自架才讓資料留在校網。

Mistral AI 是 2023 年以 Mistral 7B 與 Mixtral 8x7B 成名的法國公司。它與同級供應商最明顯的分別，是願意把旗艦也一併以 Apache 2.0 公開——2025 年 12 月的 Mistral 3 發佈把 base 與 instruct 版本全部放出，對學校意味「先下載試用、覺得合適再擴大」不需要商務談判。真正貼近中小學硬件的，是 Ministral 3 的 14B、8B 與 3B，而不是 6750 億參數的 Large 3。

Mistral 在做甚麼

Mistral 的定位是「高效能、可部署、授權乾淨」的通用模型供應商，而不是教育專用平台。Mixtral 那一代把 MoE 架構帶進開源社群，後來 DeepSeek 與 Qwen 的大型 MoE 都沿著類似路線走。對學校而言，它的價值在授權條文容易向校董會解釋，以及 Ministral 小型號能在舊機上跑起來——不是中文能力最強，而是「資料要留在校網」對話裡門檻最低的一條開源路。

校本採購會看到的型號

Large 3 的 0.50 / 1.50 美元在同級屬最低一檔；Ministral instruct 型號在同級表現相當，但輸出 token 數往往少一個數量級，對學校直接等於更短的等待時間。

費用從哪條路徑產生

雲端 API: 按 token 計價，批量減半，重複提示的快取輸入最多減九成。資料離開香港，須自行完成私隱評估——目的地是歐洲並不豁免這一步。

自架 Ministral: 14B、8B、3B 才是中小學現實目標；3B 與 8B 甚至可在沒有專用顯示卡的桌面機上試行。6750 億的 Large 3 全精度版本需要 8 卡 A100 或 H100 節點，是大學或機構規格，一般中小學不用考慮。

授權文字在 Mistral 自家網站並不完全一致——以你實際下載的模型卡授權檔案為準，不要只憑發佈公告向校董會拍胸脯。

在 Edor.ai 裡的分工

Mistral 不是原生供應商，透過本地 Ollama進入平台。Edor.ai 原生支援 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama;學校在校內機器上用 Ollama 跑 Mistral 或 Ministral，後台設為本地 Ollama，四層守門、教師監控、ai_audit_logs 與校本知識庫照常運作，資料可一鍵全量匯出。

Mistral 有 Voxtral 轉錄系列，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——不能假設一家全包。想微調校本教案，LoRA、QLoRA 與 INT4 量化正是 LLM 教室 教的同一套技術。

課堂適配與邊界

教師： 摘要長文件、把英文參考資料整理成備課筆記、生成工作紙題目變體；Ministral 3 14B 已足夠且回應快。一位地理科任在教員室對同事說：「Ministral 8B 幫我列出填海活動的三個時段流程，數字那欄我還是要自己查政府統計處。」

學生： 適合離線基本問答與練習提示，必須在導師模式下使用；不建議處理需要準確中文評語的寫作回饋。

IT 主任： 把 3B 或 8B 當成最低門檻試行——在現有桌面機跑起來，量度延遲與同時使用人數，用數據說服校方是否值得買 24GB 顯示卡跑 Meta 或 Qwen 的 30B 級。

不適合： 以歐洲供應商身份跳過跨境評估；期望 Mistral 取代 Qwen 做繁體中文主力；讓學生直接使用未包守門的通用介面；假設 Voxtral 能支撐粵語口語練習。

給學校的取捨

• 如果你要在舊機或無顯示卡環境做離線試行，就從 Ministral 3 的 3B 或 8B 開始，不要一開始就追逐 Large 3 的跑分。
• 如果你辦學團體偏好歐洲框架但仍呼叫雲端 API，就完成跨境私隱評估，不要以為「法國公司」自動合規。
• 如果你需要穩定的繁體中文評語或粵語口語，就保留 Qwen 或雲端旗艦處理中文-heavy 任務，Mistral 只負責輕量離線場景。