跳转到主要内容

Magistral Small 1.2 24B

24B

Mistral Magistral

Mistral 基于 Mistral Small 3.2 的推理模型,思维链包在 [THINK] 标签内。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 —— 让显式思维链落到比多数教程默认的 70B 级推理模型低一档的硬件上。

⬇ 1.5K HF 下载量♥ 10 点赞bartowski/mistralai_Magistral-Small-2509-GGUF· 数据更新于 11/22/2026
消费级显卡Mac / 苹果芯片

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
GGUFQ4_K_M4.8615.7 GB2.9%60 tok/s社区
计算HF
GGUFQ5_K_M5.6918.2 GB1.4%54 tok/s估算
计算HF
GGUFQ6_K6.5620.9 GB0.6%47 tok/s估算
计算HF
AWQINT4413.0 GB4.0%76 tok/s估算
计算HF
EXL24.65bpw4.6515.0 GB2.5%—估算
计算HF

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。

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 ↗
30B-A3B

Qwen3-VL 30B-A3B Instruct

Alibaba Qwen3-VL

消费级显卡专业 GPU
Q4_K_M19.9 GB+2.6%困惑度增幅

多模态 MoE,激活参数仅约 3B,因此在苹果统一内存上依然跟手,CPU 卸载的表现也远好于稠密 30B。Q4_K_M 在 4K 下约需 19.9 GB,24 GB 显卡可以从容运行;Q3_K_M 降到 15.1 GB。视觉编码器是另外一个 1.1 GB 的文件。

26B-A4B

Gemma 4 26B-A4B IT

Google Gemma 4

消费级显卡专业 GPU
Q4_K_M18.2 GB—困惑度增幅

Google Gemma 4 的混合专家模型:文本部分约 25B 参数,每 token 激活约 4B,256K 上下文,支持图像输入。30 层中只有 5 层的缓存随上下文增长,而且这些层用的是更少、更宽的注意力头,所以缓存很小——32K 下约 0.9 GB,用满 256K 也只要约 5.3 GB。Q4_K_M 下 32K 上下文约 18.8 GB:24 GB 显卡可以从容运行,甚至能加载完整窗口(偏紧,约 23.6 GB)。16 GB 显卡装不下,光 Q4_K_M 文件就有 17.0 GB。视觉编码器是另外一个 1.2 GB 的文件。体积按 bartowski 的 GGUF 文件计算,其 Q4_K_M 折合每参数 5.40 比特,明显高于通用的 4 比特档;Unsloth 的 UD-Q4_K_M 是另一个文件,小 0.09 GB。各档位的质量损失未公布。

31B

Gemma 4 31B IT

Google Gemma 4

消费级显卡专业 GPU
Q4_K_M22.1 GB—困惑度增幅

Google Gemma 4 的稠密旗舰:约 31B 参数,256K 上下文,支持图像输入。60 层中只有 10 层缓存完整上下文,而且这些层只用 4 个宽 KV 头,所以 128K 上下文只增加约 11 GB 缓存,常规的 60 层结构则要约 120 GB。Q4_K_M 在 4K 下约需 22.1 GB,在 24 GB 显卡上偏紧;Q3_K_M 在 4K 下约 18.3 GB。32 GB 显卡跑 Q4_K_M 的 32K 很从容。Google 还发布了官方的量化感知训练(QAT)Q4_0 版本,单个 17.7 GB 文件:4K 下约 20.1 GB,24 GB 显卡宽裕地跑到 16K。它的视觉编码器是另外一个 1.2 GB 的文件,加载后在 24 GB 上连 4K 都偏紧。其余档位按 bartowski 的 GGUF 文件计算,各档位的质量损失未公布。该仓库另有两个用于推测解码的 MTP 草稿头文件(Q4_0 为 349 MB,Q8_0 为 515 MB),它们不是模型本体,不计入这里的显存。

30B

Muse Glimmer 30B

Meta Muse

消费级显卡Mac / 苹果芯片
Q4_K_M17.7 GB—困惑度增幅

Meta 自 Llama 4 以来第一个开放权重模型,8 月以 Apache 2.0 发布,目标就是单卡运行。它是稠密模型:28B 的文本解码器,通过单独的视觉编码器读取图像,输出文本。每四层中有三层使用 2K 滑动窗口,其余层只有 2 个 KV 头,所以长上下文格外便宜。Q4_K_M 在 4K 上下文下约需 17.7 GB,用满 128K 窗口也只要 19.4 GB,两种情况在 24 GB 显卡上都很宽裕。Q5_K_M 在 24 GB 上偏紧,Q8_0 需要 32 GB 显卡。视觉编码器(GGUF mmproj 文件约 1.4 GB)和 Meta 可选的投机解码草稿模型会额外占用显存,不含在上述数字内。体积按已公布的 GGUF 文件大小计算,Q4_K_M 一行是 Meta 官方发布的版本。基准成绩是 Meta 自己报的,各档位的质量损失也未公布。

在本地运行 Magistral Small 1.2 24B

在 Q4_K_M、4K 上下文下,Magistral Small 1.2 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 76 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

Magistral Small 1.2 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。
Magistral Small 1.2 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。
Magistral Small 1.2 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%。

提供格式
GGUFAWQEXL2

此模型的显卡组合

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