Mistral: Mistral Small 3.2 24B mistralai/mistral-small-3.2-24b-instruct

Модель Mistral: Mistral Small 3.2 24B от Mistral AI (семейство mistral-small) доступна через единый OpenAI-совместимый API НейроГейт — без VPN, с оплатой в рублях, единым ключом для всех 353+ моделей платформы.
Европейский AI-чемпион. Эффективные модели + сильная Mixtral-серия.

👁 Зрение 🧠 Рассуждение 🎨 Генерация изображений 🎙 Аудио-вход 🔊 Синтез речи 🆓 Бесплатно

128K

контекст, токенов

7.5 ₽

за 1 млн входных токенов

20 ₽

за 1 млн выходных токенов

возможностей

2023-10

база знаний до

Что такое Mistral: Mistral Small 3.2 24B

Эффективная мультимодальная модель среднего размера для production-систем с function calling, длинным контекстом и возможностью локального развёртывания.

Mistral Small 3.2 24B — инструктивная модель с 24 миллиардами параметров от Mistral AI, обновлённая версия линейки Mistral Small. По сравнению с версией 3.1, модель получила заметные улучшения в точности следования инструкциям, снижении повторений в генерируемом тексте и качестве вызова функций (function calling). Это делает её более надёжной в production-сценариях, где стабильность вывода критична.

Модель поддерживает мультимодальный ввод: помимо текста принимает изображения, что расширяет область применения до задач анализа визуального контента. Контекстное окно в 128 000 токенов позволяет работать с объёмными документами, длинными диалогами и сложными цепочками рассуждений без потери контекста. При этом 24B-архитектура обеспечивает баланс между качеством и вычислительной эффективностью — модель хорошо подходит для развёртывания там, где большие флагманские модели избыточны по стоимости или латентности.

Mistral Small 3.2 24B — open-weight модель, что даёт возможность локального развёртывания и дополнительной настройки под конкретные задачи.

Когда брать эту модель

✓ Автоматизация с function calling: построение агентов и инструментальных пайплайнов, где важна точность вызова функций
✓ Анализ документов и изображений: обработка смешанного контента с длинным контекстом до 128K токенов
✓ Чат-боты и ассистенты: сценарии с многоходовыми диалогами, где критично отсутствие повторений
✓ Локальное развёртывание: self-hosted решения, где нужна open-weight модель с хорошим соотношением качества и размера
✓ Разработка и код-ревью: задачи, требующие точного следования инструкциям и структурированного вывода

Пример работы

Реальный сценарий, на котором модель проявляет себя:

Проанализируй скриншот интерфейса и напиши функцию на Python, которая вызывает API для получения данных, отображённых на экране, с корректной обработкой ошибок.

Использование Mistral: Mistral Small 3.2 24B через НейроГейт

OpenAI-совместимый эндпоинт https://api.neuralgate.ru/v1 — замени base_url в любом SDK и используй модель по её id.

# Chat completion
curl https://api.neuralgate.ru/v1/chat/completions \
  -H "Authorization: Bearer $NEURALGATE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistralai/mistral-small-3.2-24b-instruct",
    "messages": [{"role":"user","content":"Привет!"}]
  }'

from openai import OpenAI

client = OpenAI(
    api_key="sk-...your-neuralgate-key...",
    base_url="https://api.neuralgate.ru/v1",
)
response = client.chat.completions.create(
    model="mistralai/mistral-small-3.2-24b-instruct",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NEURALGATE_API_KEY,
  baseURL: "https://api.neuralgate.ru/v1",
});
const resp = await client.chat.completions.create({
  model: "mistralai/mistral-small-3.2-24b-instruct",
  messages: [{ role: "user", content: "Привет!" }],
});
console.log(resp.choices[0].message.content);