我能跑 Mistral Small 4 119B 吗？
Mistral AI 的 Mistral Small 4 119B 在推荐的 4 位量化下大约需要 96 GB 内存（下载体积 72.1 GB）。下方即时检测您的硬件 — 数据不会离开您的浏览器。 在 Apple M-series Max 上预计可达约 ~88 tok/s。
正在读取您的硬件信号…
实际使用笔记
Mistral Small 4 119B 是这个家族里的异类:名字叫"Small",实则总参数高达 119B,采用专家混合(MoE)架构,每个 token 只激活 6.5B。正是这种设计让它的速度远超激活规模该有的水平,但内存上你仍要为整个模型买单。4-bit 量化下体积约为 72 GB,需要大约 96 GB 的 RAM 才能装下。没有任何消费级显卡能容纳它:12 GB 的 RTX 3060 不行,连 24 GB 的 RTX 4090 也不行。这是一款面向工作站或大容量统一内存机器的模型,不适合笔记本。
日常使用中,MoE 的取巧在关键处见了真章。在大内存的 Apple M Max 上,它能跑到接近 88 tokens/秒,对这么大的模型来说已经有了对话般的流畅感;即便用搭配 DDR5 的 CPU 推理,只要你肯等,也能拿到约 13 tokens/秒。256K 上下文纸面上很慷慨,但要盯紧内存:在 128K 上下文下,总占用会攀升到约 128.6 GB,所以这扇长窗口只有在你有足够 RAM 撑腰时才是真实可用的。请把满上下文当成一道硬件预算题,而不是免费开关。
放回自家谱系里看,如果你喂不起 96 GB,Mistral 7B 和 Nemo 12B 是只能聊天的轻量选择;而这款模型在推理、编程和视觉上通常更胜一筹,而那两者根本不具备这些能力。在这里它最接近的对手是 Nemotron 3 Super 120B-A12B——另一款同量级的大型 MoE,两者往往互有胜负,谁也没有明显压过对方。真正的亮点在于:你能在一个真正的 Apache 2.0 许可证下获得一款四任务模型(聊天、推理、编程、视觉),因此商用与生产部署完全获准,没有任何厂商附加条款。
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 | 49.8 GB | 64 GB | 损失明显 |
| Q4_K_M推荐 | 4.85 | 72.1 GB | 96 GB | 推荐 |
| Q5_K_M | 5.65 | 84.0 GB | 128 GB | 高 |
| Q8_0 | 8.5 | 126.4 GB | 192 GB | 接近原版 |
| F16 | 16 | 238.0 GB | 256 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 | ~1.8 GB | ~73.9 GB |
| 8K tokens | ~3.5 GB | ~75.6 GB |
| 32K tokens | ~14.1 GB | ~86.2 GB |
| 128K tokens | ~56.5 GB | ~128.6 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 | VRAM 装不下 |
| NVIDIA RTX 4090 24GB | 1008 GB/s | VRAM 装不下 |
| Apple M-series (base) | 100 GB/s | ~22 tok/s |
| Apple M-series Pro | 270 GB/s | ~58 tok/s |
| Apple M-series Max | 410 GB/s | ~88 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~13 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。