> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/language-models/mistral-large3.md). # Mistral Large 3 (675B MoE) Clore.ai GPUs पर Mistral Large 3 चलाएँ — 41B सक्रिय पैरामीटर वाला 675B MoE फ्रंटियर मॉडल Mistral Large 3, Mistral AI का सबसे शक्तिशाली ओपन-वेट मॉडल है, जिसे दिसंबर 2025 में के तहत जारी किया गया **Apache 2.0 लाइसेंस**यह एक Mixture-of-Experts (MoE) मॉडल है, जिसमें कुल 675B पैरामीटर हैं, लेकिन प्रति टोकन केवल 41B सक्रिय होते हैं — dense 675B मॉडल की तुलना में बहुत कम compute पर frontier-स्तरीय प्रदर्शन देता है। native multimodal सपोर्ट (text + images), 256K context window, और best-in-class agentic क्षमताओं के साथ, यह GPT-4o और Claude-श्रेणी के मॉडलों से सीधे प्रतिस्पर्धा करता है, जबकि पूरी तरह self-hostable है। **HuggingFace:** [mistralai/Mistral-Large-3-675B-Instruct-2512](https://huggingface.co/mistralai/Mistral-Large-3-675B-Instruct-2512) **Ollama:** [mistral-large-3:675b](https://ollama.com/library/mistral-large-3) **लाइसेंस:** Apache 2.0 ## मुख्य विशेषताएँ * **675B कुल / 41B सक्रिय पैरामीटर** — MoE की दक्षता का मतलब है कि आपको हर पैरामीटर सक्रिय किए बिना frontier-स्तरीय प्रदर्शन मिलता है * **Apache 2.0 लाइसेंस** — व्यावसायिक और व्यक्तिगत उपयोग के लिए पूरी तरह खुला, कोई प्रतिबंध नहीं * **मूल रूप से मल्टीमॉडल** — 2.5B vision encoder के माध्यम से text और images दोनों को समझता है * **256K कॉन्टेक्स्ट विंडो** — विशाल दस्तावेज़ों, codebases, और लंबी बातचीत को संभालता है * **सर्वोत्तम-श्रेणी की एजेंटिक क्षमताएँ** — native function calling, JSON mode, tool use * **कई परिनियोजन विकल्प** — H200/B200 पर FP8, H100/A100 पर NVFP4, consumer GPUs के लिए GGUF quantized ## मॉडल आर्किटेक्चर | घटक | विवरण | | --------------- | --------------------------------- | | आर्किटेक्चर | Granular Mixture-of-Experts (MoE) | | कुल पैरामीटर | 675B | | सक्रिय पैरामीटर | 41B (प्रति टोकन) | | विज़न एनकोडर | 2.5B पैरामीटर | | संदर्भ विंडो | 256K टोकन | | प्रशिक्षण | 3,000× H200 GPUs | | रिलीज़ | दिसंबर 2025 | ## आवश्यकताएँ {% hint style="warning" %} **Clore.ai marketplace पर multi-GPU 80GB-class rigs सूचीबद्ध नहीं हैं।** आज सूचीबद्ध सबसे बड़े boxes 4× RTX PRO 6000 Blackwell (प्रत्येक 96GB, कुल 380GB) और 8–11× RTX 5090 (प्रत्येक 32GB) हैं। A100 / H200 / B200 क्षमता [bare metal](https://clore.ai/bare-metal) के रूप में अनुरोध पर बेची जाती है। देखें [GPU मूल्य और उपलब्धता](/guides/guides_v2-hi/getting-started/pricing.md) किसी deployment का आकार तय करने से पहले। {% endhint %} | कॉन्फ़िगरेशन | बजट (Q4 GGUF) | मानक (NVFP4) | पूर्ण (FP8) | | ------------ | ------------- | -------------- | -------------- | | GPU | 4× RTX 4090 | 8× A100 80GB | 8× H100/H200 | | VRAM | 4×24GB (96GB) | 8×80GB (640GB) | 8×80GB (640GB) | | RAM | 128GB | 256GB | 256GB | | डिस्क | 400GB | 700GB | 1.4TB | | CUDA | 12.8+ | 12.8+ | 12.8+ | **अनुशंसित Clore.ai सेटअप:** * **सबसे अच्छा मूल्य:** 4× RTX 4090 ($0.56–1.68/hr) — llama.cpp या Ollama के माध्यम से Q4 GGUF quantization चलाएँ * **प्रोडक्शन-स्तर गुणवत्ता:** 8× A100 80GB ([bare metal](https://clore.ai/bare-metal)) — vLLM के माध्यम से full context के साथ NVFP4 * **अधिकतम प्रदर्शन:** 8× H100 (\~$8.32/hr) — FP8, पूर्ण 256K context ## Ollama के साथ त्वरित शुरुआत multi-GPU Clore.ai instance पर Mistral Large 3 चलाने का सबसे तेज़ तरीका: ```bash # Ollama इंस्टॉल करें curl -fsSL https://ollama.com/install.sh | sh # 675B मॉडल चलाएँ (multi-GPU आवश्यक, Q4 के लिए ~96GB+ VRAM) ollama run mistral-large-3:675b # छोटे dense variants के लिए (single GPU): ollama run mistral3:14b # 14B सघन — RTX 3060+ पर फिट बैठता है ollama run mistral3:8b # 8B सघन — किसी भी GPU पर फिट बैठता है ``` ## vLLM के साथ त्वरित शुरुआत (प्रोडक्शन) OpenAI-संगत API के साथ production-grade serving के लिए: ```bash # vLLM स्थापित करें pip install vllm # 8× A100/H100 पर NVFP4 quantization के साथ सर्व करें vllm serve mistralai/Mistral-Large-3-675B-Instruct-2512-NVFP4 \\ --tensor-parallel-size 8 \\ --tokenizer-mode mistral \\ --config-format mistral \\ --load-format mistral \\ --max-model-len 65536 \\ --gpu-memory-utilization 0.90 \ --enable-auto-tool-choice \\ --tool-call-parser mistral \\ --host 0.0.0.0 \\ --port 8000 # FP8 (मूल weights, सर्वोच्च गुणवत्ता) के लिए: vllm serve mistralai/Mistral-Large-3-675B-Instruct-2512 \\ --tensor-parallel-size 8 \\ --tokenizer-mode mistral \\ --config-format mistral \\ --load-format mistral \\ --max-model-len 131072 \ --host 0.0.0.0 \\ --port 8000 ``` ## उपयोग के उदाहरण ### 1. चैट पूर्णता (OpenAI-संगत API) एक बार vLLM चलने लगे, तो किसी भी OpenAI-संगत client का उपयोग करें: ```python from openai import OpenAI client = OpenAI( base_url="http://localhost:8000/v1", api_key="not-needed" ) response = client.chat.completions.create( model="mistralai/Mistral-Large-3-675B-Instruct-2512-NVFP4", messages=[ {"role": "system", "content": "आप एक मददगार कोडिंग सहायक हैं।"}, {"role": "user", "content": "aiohttp और BeautifulSoup का उपयोग करके एक Python async वेब स्क्रैपर लिखें."} ], temperature=0.1, max_tokens=4096 ) print(response.choices[0].message.content) ``` ### 2. फ़ंक्शन कॉलिंग / टूल उपयोग Mistral Large 3 संरचित tool calling में उत्कृष्ट है: ```python import json from openai import OpenAI client = OpenAI(base_url="http://localhost:8000/v1", api_key="n/a") tools = [ { "type": "function", "function": { "name": "get_weather", "description": "किसी स्थान के लिए वर्तमान मौसम प्राप्त करें", "parameters": { "type": "object", "properties": { "location": {"type": "string", "description": "शहर का नाम"}, "unit": {"type": "string", "enum": ["celsius", "fahrenheit"]} }, "required": ["location"] } } } ] response = client.chat.completions.create( model="mistralai/Mistral-Large-3-675B-Instruct-2512-NVFP4", messages=[{"role": "user", "content": "टोक्यो में मौसम कैसा है?"}], tools=tools, tool_choice="auto" ) tool_call = response.choices[0].message.tool_calls[0] print(f"Function: {tool_call.function.name}") print(f"Args: {tool_call.function.arguments}") ``` ### 3. विज़न — छवि विश्लेषण Mistral Large 3 मूल रूप से images को समझता है: ```python import base64 from openai import OpenAI client = OpenAI(base_url="http://localhost:8000/v1", api_key="n/a") # छवि encode करें with open("diagram.png", "rb") as f: image_b64 = base64.b64encode(f.read()).decode() response = client.chat.completions.create( model="mistralai/Mistral-Large-3-675B-Instruct-2512-NVFP4", messages=[{ "role": "user", "content": [ {"type": "text", "text": "इस architecture diagram का विस्तार से वर्णन करें."}, {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_b64}"}} ] }], max_tokens=2048 ) print(response.choices[0].message.content) ``` ## Clore.ai उपयोगकर्ताओं के लिए सुझाव 1. **A100s पर NVFP4 से शुरू करें** — यह `Mistral-Large-3-675B-Instruct-2512-NVFP4` चेकपॉइंट विशेष रूप से A100/H100 नोड्स के लिए डिज़ाइन किया गया है और FP8 की आधी मेमोरी फुटप्रिंट पर लगभग-लॉसलेस गुणवत्ता प्रदान करता है। 2. **त्वरित प्रयोगों के लिए Ollama का उपयोग करें** — यदि आपके पास 4× RTX 4090 instance है, तो Ollama GGUF quantization को अपने आप संभालता है। vLLM production setup पर जाने से पहले testing के लिए बिल्कुल उपयुक्त। 3. **API को सुरक्षित रूप से एक्सपोज़ करें** — जब Clore.ai instance पर vLLM चला रहे हों, तो SSH tunneling (`ssh -L 8000:localhost:8000 root@`) का उपयोग करें, बजाय port 8000 को सीधे expose करने के। 4. **कम करें `max-model-len` VRAM बचाने के लिए** — यदि आपको पूर्ण 256K context की आवश्यकता नहीं है, तो सेट करें `--max-model-len 32768` या `65536` KV-cache memory usage को काफी कम करने के लिए। 5. **सघन विकल्पों पर विचार करें** — single-GPU setups के लिए, Mistral 3 14B (`mistral3:14b` Ollama में) एक single RTX 4090 पर उत्कृष्ट प्रदर्शन देता है और उसी model family से है। ## समस्या निवारण | समस्या | समाधान | | ---------------------------------- | ------------------------------------------------------------------------------------------------------------------------------ | | `CUDA out of memory` vLLM पर | कम करें `--max-model-len` (32768 आज़माएँ), बढ़ाएँ `--tensor-parallel-size`या NVFP4 checkpoint का उपयोग करें | | जनरेशन की गति धीमी है | सुनिश्चित करें `--tensor-parallel-size` आपकी GPU count से मेल खाता है; Eagle checkpoint के साथ speculative decoding सक्षम करें | | Ollama 675B लोड करने में विफल | सुनिश्चित करें कि GPUs के बीच कुल 96GB+ VRAM है; Ollama को `OLLAMA_NUM_PARALLEL=1` बड़े मॉडलों के लिए | | `tokenizer_mode mistral` त्रुटियाँ | आपको तीनों flags पास करने होंगे: `--tokenizer-mode mistral --config-format mistral --load-format mistral` | | विज़न काम नहीं कर रहा | सर्वोत्तम परिणामों के लिए सुनिश्चित करें कि images का aspect ratio 1:1 के करीब हो; बहुत चौड़ी/पतली images से बचें | | डाउनलोड बहुत धीमा है | उपयोग करें `huggingface-cli download mistralai/Mistral-Large-3-675B-Instruct-2512-NVFP4` के साथ `HF_TOKEN` सेट करें | ## अधिक पढ़ें * [Mistral 3 घोषणा ब्लॉग](https://mistral.ai/news/mistral-3) — benchmarks के साथ आधिकारिक लॉन्च पोस्ट * [HuggingFace मॉडल कार्ड](https://huggingface.co/mistralai/Mistral-Large-3-675B-Instruct-2512) — परिनियोजन निर्देश और benchmark परिणाम * [NVFP4 क्वांटाइज़्ड संस्करण](https://huggingface.co/mistralai/Mistral-Large-3-675B-Instruct-2512-NVFP4) — A100/H100 के लिए अनुकूलित * [GGUF क्वांटाइज़्ड (Unsloth)](https://huggingface.co/unsloth/Mistral-Large-3-675B-Instruct-2512-GGUF) — llama.cpp और Ollama के लिए * [vLLM प्रलेखन](https://docs.vllm.ai/) — प्रोडक्शन सर्विंग फ्रेमवर्क * [Red Hat Day-0 मार्गदर्शिका](https://developers.redhat.com/articles/2025/12/02/run-mistral-large-3-ministral-3-vllm-red-hat-ai) — चरण-दर-चरण vLLM परिनियोजन --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-hi/language-models/mistral-large3.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.