Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Ministral 3 8B vs Llama 3.1 8B para texto local

Um modelo 8B mais novo e um mais antigo para um computador de 8 a 16 GB

Fatos do catálogo revisado

Fatos do catálogo revisado
EspecificaçãoMinistral 3 8BLlama 3.1 8B Instruct
TarefaTexto e chatTexto e chat
Parâmetros8,92B8B
LicençaApache 2.0Termos do publicador: Llama 3.1
Uso comercialPermitidotexto da licençaPermitido com condiçõesAcima de 700 mi de usuários mensais exige licença da Meta; exibir "Built with Llama" · texto da licença
Qualidade · LMArena 2026-10-22 · textoFora do ranking de texto do LMArena de 2026-10-22 · fonte1.211 ± 41.207–1.215 · 49.605 votos · posição 345 · fonte
Memóriaestimativa de planejamento Q4 (~7 GB de pesos antes da reserva da máquina)estimativa de planejamento Q4 (~6 GB de pesos antes da reserva da máquina)
Checkpointficha oficialficha oficial

Só o Llama 3.1 8B Instruct tem resultado em LMArena 2026-10-22 · texto (1.211 ± 4); o Ministral 3 8B não tem, então os dois não são ordenados por esta fonte e nenhuma nota é inferida para ele. Votos cegos de pessoas em pares, no modelo hospedado, CC BY 4.0. A pontuação é relativa; intervalos que se sobrepõem significam que a ordem não está definida. Escala: pontuação Arena (controle de estilo, geral) ± metade do intervalo de confiança.

Memória em três máquinas

A reserva de cada máquina é somada (placas de vídeo 2 GB; memória unificada e do sistema 25%, de 2 a 8 GB). Estimativas de planejamento, não execuções medidas.

Ministral 3 8B vs Llama 3.1 8B para texto local: memória em três máquinas
MáquinaMinistral 3 8BLlama 3.1 8B Instruct
RTX 4060 · 8 GB de VRAM~9 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos)~8 GBCabe na memória rápida
RTX 3060 · 12 GB de VRAM~9 GBCabe na memória rápida~8 GBCabe na memória rápida
MacBook Air 13 polegadas M4 · 16 GB unificados~11 GBCabe na memória rápida~10 GBCabe na memória rápida

Ministral 3 8B: estimativa de planejamento Q4 (~7 GB de pesos antes da reserva da máquina). Llama 3.1 8B Instruct: estimativa de planejamento Q4 (~6 GB de pesos antes da reserva da máquina). Fórmulas

Tudo o que roda em cada máquina: RTX 4060 · 8 GB de VRAM · RTX 3060 · 12 GB de VRAM · MacBook Air 13 polegadas M4 · 16 GB unificados

Qual escolher

O Ministral 3 8B (dezembro de 2025) é cerca de 16 meses mais novo que o Llama 3.1 8B (julho de 2024). Ele lê imagens além de texto, publica contexto de 262.144 tokens contra 128.000 e é Apache 2.0, enquanto a licença do Llama traz condições para serviços muito grandes. Os dois pedem cerca de 6 a 7 GB de pesos Q4; numa placa de 8 GB a tabela deixa o Ministral logo fora da memória rápida e o Llama dentro. A Mistral distribui o checkpoint instruct em FP8 e diz que assim ele cabe em 12 GB de VRAM. Só o Llama tem nota na rodada de texto do LMArena; a ficha da Mistral informa os próprios resultados.

Arquivos e comandos para rodar

O arquivo padrão da fonte coletada mais baixada, ou os comandos que cada ficha documenta. Não executados por este site.

Ministral 3 8B

mistralai/Ministral-3-8B-Instruct-2512-GGUF · Ministral-3-8B-Instruct-2512-Q4_K_M.gguf · Q4_K_M · 5,2 GB · mistralai

ollama run hf.co/mistralai/Ministral-3-8B-Instruct-2512-GGUF:Q4_K_M
llama-server -hf mistralai/Ministral-3-8B-Instruct-2512-GGUF:Q4_K_M
lms get https://huggingface.co/mistralai/Ministral-3-8B-Instruct-2512-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Llama 3.1 8B Instruct

bartowski/Meta-Llama-3.1-8B-Instruct-GGUF · Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf · Q4_K_M · 4,9 GB · bartowski

ollama run hf.co/bartowski/Meta-Llama-3.1-8B-Instruct-GGUF:Q4_K_M
llama-server -hf bartowski/Meta-Llama-3.1-8B-Instruct-GGUF:Q4_K_M
lms get https://huggingface.co/bartowski/Meta-Llama-3.1-8B-Instruct-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Números que cada publicador informa

Os resultados de cada ficha, com a configuração de cada uma. Publicadores escolhem testes e configurações diferentes, então estes valores nunca são comparados entre publicadores aqui.

Ministral 3 8B · informado por Mistral

14 resultados · ficha de Mistral · lida em 2026-10-25
AIME25
0,787Reasoning
AIME24
0,860Reasoning
GPQA Diamond
0,668Reasoning
LiveCodeBench
0,616Reasoning
Arena Hard
0,509Instruct
WildBench
66,8Instruct
MATH Maj@1
0,876Instruct
MM MTBench
8,08Instruct
Todos os resultados informados14
Multilingual MMLU
0,706Base
MATH CoT 2-Shot
0,626Base · 2-shot
AGIEval 5-shot
0,591Base · 5-shot
MMLU Redux 5-shot
0,793Base · 5-shot
MMLU 5-shot
0,761Base · 5-shot
TriviaQA 5-shot
0,681Base · 5-shot

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results › Reasoning; Benchmark Results › Instruct); coluna “Ministral 3 8B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Llama 3.1 8B Instruct · informado por Meta

24 resultados · ficha de Meta · lida em 2026-10-25
MMLU
69,4Llama 3.1 8B Instruct · Instruction tuned models · General
MMLU (CoT)
73,0Llama 3.1 8B Instruct · Instruction tuned models · General
MMLU-Pro (CoT)
48,3Llama 3.1 8B Instruct · Instruction tuned models · General
IFEval
80,4Llama 3.1 8B Instruct · Instruction tuned models · General
ARC-C
83,4Llama 3.1 8B Instruct · Instruction tuned models · Reasoning
GPQA
30,4Llama 3.1 8B Instruct · Instruction tuned models · Reasoning
HumanEval
72,6Llama 3.1 8B Instruct · Instruction tuned models · Code
MBPP ++ base version
72,8Llama 3.1 8B Instruct · Instruction tuned models · Code
Todos os resultados informados24
Multipl-E HumanEval
50,8Llama 3.1 8B Instruct · Instruction tuned models · Code
Multipl-E MBPP
52,4Llama 3.1 8B Instruct · Instruction tuned models · Code
GSM-8K (CoT)
84,5Llama 3.1 8B Instruct · Instruction tuned models · Math
MATH (CoT)
51,9Llama 3.1 8B Instruct · Instruction tuned models · Math
API-Bank
82,6Llama 3.1 8B Instruct · Instruction tuned models · Tool Use
BFCL
76,1Llama 3.1 8B Instruct · Instruction tuned models · Tool Use
Gorilla Benchmark API Bench
8,2Llama 3.1 8B Instruct · Instruction tuned models · Tool Use
Nexus (0-shot)
38,5Llama 3.1 8B Instruct · Instruction tuned models · Tool Use · 0-shot
Multilingual MGSM (CoT)
68,9Llama 3.1 8B Instruct · Instruction tuned models · Multilingual
MMLU · Portuguese (5-shot, macro_avg/acc)
62,12Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
MMLU · Spanish (5-shot, macro_avg/acc)
62,45Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
MMLU · Italian (5-shot, macro_avg/acc)
61,63Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
MMLU · German (5-shot, macro_avg/acc)
60,59Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
MMLU · French (5-shot, macro_avg/acc)
62,34Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
MMLU · Hindi (5-shot, macro_avg/acc)
50,88Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
MMLU · Thai (5-shot, macro_avg/acc)
50,32Llama 3.1 8B · Multilingual benchmarks · General · 5-shot

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark scores › Instruction tuned models; Benchmark scores › Instruction tuned models › Multilingual benchmarks). Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Limites e datas

O benchmark de qualidade publicado não testa uma versão local quantizada. Estimativas de memória não medem velocidade nem garantem compatibilidade. Tamanho de repositório, quando disponível, não é VRAM. Fórmulas

Página atualizada em · Catálogo revisado em · LMArena 2026-10-22 · texto