据 DeepLearning.AI 在 X 平台报道，Mistral 发布开源权重的 Ministral 3 家族（14B、8B、3B），通过名为“级联蒸馏”的新型剪枝与蒸馏方法从更大模型压缩而来；其多模态视觉语言版本在同等规模对比中达到或超越同级模型（来源：DeepLearning.AI）。据 DeepLearning.AI 援引 Mistral 公告信息，该方法分阶段剪枝与知识迁移，兼顾模型体量与多模态推理质量，可显著降低显存占用与延迟，利于端侧与边缘部署。根据 DeepLearning.AI 的报道，开源权重便于企业自托管与私有数据微调，强化数据合规与成本控制，为电商视觉检索、工业质检、移动助理等场景带来更优价效比与落地机会。另据 DeepLearning.AI，总参数跨度（3B–14B）便于按吞吐需求选型，支持在消费级 GPU 上批量推理，并可跨尺度进行 A/B 测试以优化性价比。

据DeepLearning.AI在X平台报道，维基媒体基金会与亚马逊、Meta、微软、Mistral AI及Perplexity达成合作，向这些AI企业提供高速访问维基百科及相关数据集的API，以提升模型训练效率与数据时效性。根据DeepLearning.AI，此举适逢维基媒体成立25周年，计划为开发者提供更可靠、可追溯的知识语料，并强化使用透明度。依照DeepLearning.AI的消息，该计划有望降低数据管线摩擦、加速RAG工作流、改进内容归因与治理信号，带来企业级知识检索、评测数据集与更安全微调的商业机会。

据Twitter用户God of Prompt报道，Phi与Mistral模型在GSM1k基准测试中的准确率相比GSM8k下降了13%，部分模型变体下降幅度高达13.4个百分点。分析指出，这些模型并未展现真正的推理能力，而是由于训练过程中见过答案导致记忆化。这一发现对模型在商业和科研领域的泛化能力与可靠性提出了严峻挑战。