我能跑 Mistral 7B 吗？
Mistral AI 的 Mistral 7B 在推荐的 4 位量化下大约需要 8 GB 内存（下载体积 4.4 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 ~70 tok/s。
正在读取您的硬件信号…
实际使用笔记
Mistral 7B 是第一个证明小体积开源权重 LLM 真正实用的模型，至今仍是搭建轻量级本地聊天助手的稳妥之选。在 4-bit 量化下体积约为 4.4 GB，因此能在 8 GB 显存的 GPU 上轻松装下并留有余量，在任意 Apple Silicon Mac 的统一内存中也能流畅运行；如果你要把它塞进更老的硬件，约 3 GB 的 2-bit 版本同样可行。它采用 Apache 2.0 许可证，宽松程度几乎到顶：可免费商用，不附带任何厂商限制。
日常使用中，它在聊天和短文摘要上既快又稳。在 RTX 4090 上 4-bit 可达约 196 tok/s，即便是入门级的 RTX 3060 12GB 也能保持在 70 tok/s 左右，比你的阅读速度还快；M 系列 Max 则接近 80 tok/s。32K 的上下文窗口够用但不算大，一旦把它填满，总内存占用会升到约 8.4 GB，所以在仅有 8 GB 显存的显卡上，最好控制实际使用的上下文长度，而不是把整个窗口塞满。
需要坦诚指出的短板是它的年龄：该模型于 2023 年底发布，在更难的推理和指令遵循上已落后于更新的小模型；如果内存允许，Mistral Nemo 12B 通常能更好地应对更长、更苛刻的提示词。专门做编程的话，同等体积下 Qwen 2.5 Coder 7B 往往是更强的选择。Mistral 7B 至今仍占优的地方在于简单和普及度：它体积极小、在 Apache 2.0 下完全开源，并且围绕朴素的 'mistral' Ollama 标签积累了多年的工具生态，是一个可靠、不会有意外的基准选择。
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 | 3.0 GB | 6 GB | 损失明显 |
| Q4_K_M推荐 | 4.85 | 4.4 GB | 8 GB | 推荐 |
| Q5_K_M | 5.65 | 5.1 GB | 8 GB | 高 |
| Q8_0 | 8.5 | 7.7 GB | 12 GB | 接近原版 |
| F16 | 16 | 14.4 GB | 24 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 | ~0.5 GB | ~4.9 GB |
| 8K tokens | ~1.0 GB | ~5.4 GB |
| 32K tokens | ~4.0 GB | ~8.4 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 | ~70 tok/s |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~196 tok/s |
| Apple M-series (base) | 100 GB/s | ~19 tok/s |
| Apple M-series Pro | 270 GB/s | ~53 tok/s |
| Apple M-series Max | 410 GB/s | ~80 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~12 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 mistral