我能跑 Ministral 3 14B 吗？
Mistral AI 的 Ministral 3 14B 在推荐的 4 位量化下大约需要 16 GB 内存（下载体积 8.5 GB）。下方即时检测您的硬件 — 数据不会离开您的浏览器。 在 NVIDIA RTX 3060 12GB 上预计可达约 ~36 tok/s。
正在读取您的硬件信号…
实际使用笔记
Ministral 3 14B 是 Mistral 在 2025 年 12 月推出的中等规模模型，一个 14B 参数的稠密网络，同时还支持视觉理解。所以当你想用一个本地模型既能聊天又能读图、又不想同时管理两套权重文件时，它就是首选。在 4-bit 量化下，体积约为 8.5 GB，刚刚超出 8 GB 显卡的舒适范围，但在 12 GB 的 RTX 3060、或者任何配备 16 GB 及以上统一内存的 Apple Silicon Mac 上都游刃有余。如果显存吃紧，可以降到 2-bit，体积缩小到约 5.9 GB；而 q8 版本则接近 15 GB。
日常使用中，它在同体量里算得上轻快。在 RTX 3060 12 GB 上，4-bit 大约能跑到每秒 36 tokens，明显快于阅读速度；RTX 4090 则能把速度推到约 101 tok/s，M 系列 Max 大概在 41 tok/s 左右。256K 的上下文窗口是最抢眼的数字，但要把它当成上限而非默认值：即便在 128K 下，一旦 KV 缓存被填满，总内存占用也会爬升到约 30 GB，远远超过单张 12 GB 或 16 GB 设备的承载能力。除非你有 24 GB 以上的显卡可用，否则建议把实际工作上下文控制在几千 tokens 以内。
和同类相比，Ministral 3 14B 凭借更大、更新的优势，在更难、需要多步推理的提示上通常胜过 Mistral 7B、Mistral Nemo 12B 这些更老的同门；而如果你更看重可复现性而非纯粹能力，OLMo 2 13B 则是完全开放数据的替代选择。它真正的亮点在于：在这个体量上内置了视觉能力，并且速度表现确实可用。许可证方面更是省心：采用 Apache 2.0，因此你可以放心地用于商业用途和生产环境，没有任何厂商专属的附加限制。
规格参数
各量化版本体积
| 量化 | 位/权重 | 下载体积 | 最低内存 | 质量 |
|---|---|---|---|---|
| Q2_K | 3.35 | 5.9 GB | 12 GB | 损失明显 |
| Q4_K_M推荐 | 4.85 | 8.5 GB | 16 GB | 推荐 |
| Q5_K_M | 5.65 | 9.9 GB | 16 GB | 高 |
| Q8_0 | 8.5 | 14.9 GB | 24 GB | 接近原版 |
| F16 | 16 | 28.0 GB | 48 GB | 原版 |
体积按参数量 × 位/权重估算，实际 GGUF 版本会略有差异。 · 数据更新于: 2026-06-11 · 这些数字是怎么算出来的 →
不同上下文长度的内存需求
| 上下文 | KV 缓存（估算） | 总内存（Q4） |
|---|---|---|
| 4K tokens | ~0.7 GB | ~9.2 GB |
| 8K tokens | ~1.3 GB | ~9.8 GB |
| 32K tokens | ~5.4 GB | ~13.9 GB |
| 128K tokens | ~21.6 GB | ~30.1 GB |
KV 缓存会随上下文长度增长 — 4K 下装得下的模型，到 32K 可能就内存不足了。估算基于 FP16 缓存并采用 grouped-query attention；实际占用因运行时而异。
不同硬件的预估速度
| 硬件 | 带宽 | 约·速度 |
|---|---|---|
| NVIDIA RTX 3060 12GB | 360 GB/s | ~36 tok/s |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~101 tok/s |
| Apple M-series (base) | 100 GB/s | ~10 tok/s |
| Apple M-series Pro | 270 GB/s | ~27 tok/s |
| Apple M-series Max | 410 GB/s | ~41 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~6 tok/s |
Token 生成速度受内存带宽限制：tok/s ≈ 带宽 × 0.85 ÷ Q4 下的模型体积。实际数值因运行时和上下文长度而异。
在本地运行
最简单的方式是 Ollama — 一条命令即可开聊：
ollama run ministral-3:14b