Devstral Small 1.1 24B
24BMistral Devstral
Mistral 与 All Hands 合作的 Agent 编码模型,基于 Mistral Small 3.1。面向仓库级工具调用而非单文件补全。Q4_K_M 在 4K 下约需 15.7 GB,在 16 GB 显卡上偏紧,20 GB 起就宽裕。
131K
最大上下文
5
量化变体
GGUF Q6_K
最佳质量
+0.6%
困惑度增幅(最佳档位)
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 社区 = 公开报告
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q4_K_M | 4.86 | 15.7 GB | 2.9% | 62 tok/s | 社区 | |
| GGUF | Q5_K_M | 5.69 | 18.2 GB | 1.4% | 55 tok/s | 估算 | |
| GGUF | Q6_K | 6.56 | 20.9 GB | 0.6% | 48 tok/s | 估算 | |
| AWQ | INT4 | 4 | 13.0 GB | 4.0% | 78 tok/s | 估算 | |
| EXL2 | 4.65bpw | 4.65 | 15.0 GB | 2.5% | — | 估算 |
每个体积对应哪个文件
文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。
- GGUF Q4_K_Mbartowski/mistralai_Devstral-Small-2507-GGUF · mistralai_Devstral-Small-2507-Q4_K_M.gguf · 14.33 GB (14,333,916,096 字节) · 另需视觉投影 0.88 GB · 2026-11-03 核对
- GGUF Q5_K_Mbartowski/mistralai_Devstral-Small-2507-GGUF · mistralai_Devstral-Small-2507-Q5_K_M.gguf · 16.76 GB (16,763,990,976 字节) · 另需视觉投影 0.88 GB · 2026-11-03 核对
- GGUF Q6_Kbartowski/mistralai_Devstral-Small-2507-GGUF · mistralai_Devstral-Small-2507-Q6_K.gguf · 19.35 GB (19,345,945,536 字节) · 另需视觉投影 0.88 GB · 2026-11-03 核对
- AWQ INT4按计算器这一档位的通用比特率估算,没有核对具体文件。
- EXL2 4.65bpw按计算器这一档位的通用比特率估算,没有核对具体文件。
相关社区实测
以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。
我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。
在 llamaPerf 浏览更多实测 ↗Qwen3 30B-A3B Instruct
Alibaba Qwen3
Qwen3 MoE,仅 3B 激活参数。Q4 约 19GB,16GB 显卡上超越 QwQ-32B。
Qwen3-Coder 30B-A3B Instruct
Alibaba Qwen3
Agentic 代码 MoE,3.3B 激活参数,原生 256K 上下文。16–24GB 显卡上最强开源代码模型之一。
GPT-OSS 20B
OpenAI GPT-OSS
OpenAI 开放权重 MoE(总 21B / 激活 3.6B),原生以 MXFP4 发布 —— 约 12.8GB,16GB 显卡即可跑且无额外精度损失。激活仅 3.6B,CPU 卸载也还能用。
Seed-OSS 36B Instruct
ByteDance Seed
稠密 36B,原生 512K 上下文。Q4_K_M 文件是 21.8 GB,加上缓存和运行缓冲,4K 下约需 23.9 GB:在 24 GB 显卡上偏紧,那里宽裕的选择是 Q3_K_M(19.5 GB),或者用 2×16GB 拆分。AWQ 版本是 21.1 GB,并不是名字暗示的 4 比特体积。真正的开销是上下文:512K 的 KV cache 单独就约 128GB,所以要先规划上下文再考虑权重。
在本地运行 Devstral Small 1.1 24B
在 Q4_K_M、4K 上下文下,Devstral Small 1.1 24B 约需 15.7 GB —— 权重 13.6 GB、KV 缓存 0.63 GB、激活缓冲 1.4 GB。本索引中能宽裕跑它的最小显卡是 20 GB 的 Radeon RX 7900 XT,105 张卡中有 35 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 4.37 GB,总量来到 20.5 GB。权重不随上下文变化,只有 KV 缓存会,而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 128K;在 Q4_K_M 下把它全部撑满约需 37 GB。
该下载哪个版本
本索引收录了它的 3 种格式 —— GGUF、AWQ、EXL2 —— 共 5 个档位。 其中 Q6_K 的公开困惑度损失最低,为 0.6%。列出的最快档位是 AWQ INT4,在 RTX 4090、batch 1 下约 78 tok/s —— 这是估算值,不是本站硬件上的实测。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。
常见问题
- Devstral Small 1.1 24B 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 15.7 GB,到 32K 时约 20.5 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
- Devstral Small 1.1 24B 能在 20GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 15.7 GB,在 Radeon RX 7900 XT 上还剩 4.3 GB。这是本索引中能宽裕跑它的最小显卡;105 张中有 35 张可以。
- Devstral Small 1.1 24B 该用哪个量化档位?
- Q6_K 的公开质量损失最低(0.6%),而 Q4_K_M 是多数人使用的档位。索引中的 5 个档位是 Q4_K_M、Q5_K_M、Q6_K、AWQ INT4、EXL2 4.65bpw。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。
此模型的显卡组合
- RTX 5090
- RTX 5080
- RTX 5070 Ti
- RTX 5060 Ti 16G
- RTX 4090
- RTX 4080 Super
- RTX 4070 Ti Super
- RTX 4060 Ti 16G
- RTX 3090
- A100 80G
- A100 40G
- L40S 48G
- A40 48G
- H100 80G
- DGX Spark 64G
- Tesla P100 16G
- Tesla P40 24G
- Mac M5 Pro 64G
- Mac M5 32G
- Mac M4 Max 36G
- Mac M4 Pro 48G
- Mac M4 Pro 24G
- Mac M3 Max 48G
- Mac M3 Pro 36G
- Mac M4 24G
- Mac M1 Max 64G
- Mac M2 Max 96G
- Radeon RX 9070 XT
- Radeon RX 9070
- Radeon RX 9060 XT 16G
- Radeon RX 7900 XTX
- Radeon RX 7900 XT
- Radeon RX 7900 GRE
- Radeon RX 7800 XT
- Radeon RX 7600 XT
- Radeon RX 6900 XT
- Radeon RX 6800 XT
- Radeon PRO W7900 48G
- Radeon AI PRO R9700 32G
- Instinct MI100 32G
- Arc A770 16G
- Arc Pro B70 32G
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-22 RSS → /zh/feed.xml