Ministral 3 8B Instruct
8BMistral Ministral 3
Mistral 官方直接发布 GGUF，分 3B / 8B / 14B 与 Instruct、Reasoning 两种变体；其中 8B 在 Q4 下能装进 8GB 显卡并留出可用的上下文余量。34 层全部是标准全注意力，因此下方的显存估算与计算器的假设完全一致。各档位的质量损失官方未公布。
262K
最大上下文
3
量化变体
GGUF Q8_0
最佳质量
—
精度保留率
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 = 本站基准 · 估算 = 公式推算 · 社区 = 公开报告
相似模型
与 Llama 3.1 对比Llama 3.1 8B Instruct
Meta Llama 3.1
Meta 旗舰 8B 模型，128K 上下文，端侧部署最优选择之一。
Qwen2.5 7B Instruct
Alibaba Qwen2.5
阿里 Qwen 系列 7B，性能远超同级，代码能力尤其突出。
Phi-3.5 Mini Instruct
Microsoft Phi
Microsoft 的小巧精悍之作，端侧部署最佳 4B 模型之一。
Nous Hermes 3 Llama 3.1 8B
NousResearch
基于 Llama 3.1 8B 微调，角色扮演和指令遵循能力增强。
在本地运行 Ministral 3 8B Instruct
在 Q4_K_M、4K 上下文下，Ministral 3 8B Instruct 约需 6.0 GB —— 权重 4.9 GB、KV 缓存 0.53 GB、激活缓冲 0.6 GB。本索引中能宽裕跑它的最小显卡是 8 GB 的 RTX 5060 Ti 8G，61 张卡中有 61 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 3.72 GB，总量来到 10.1 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 256K；在 Q4_K_M 下把它全部撑满约需 43 GB。
该下载哪个版本
本索引只收录了 Ministral 3 8B Instruct 的 GGUF 格式，共 3 个档位（Q4_K_M、Q5_K_M、Q8_0）。 该模型没有公开的逐档困惑度数据，因此质量一列留空而不是填估算值 —— 在同一个模型内部，位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。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 仅限 CUDA 上的 ExLlamaV2。
常见问题
- Ministral 3 8B Instruct 需要多少显存？
- 在 Q4_K_M、4K 上下文、batch 1 下约 6.0 GB，到 32K 时约 10.1 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。
- Ministral 3 8B Instruct 能在 8GB 显卡上跑吗？
- 可以 —— 在 Q4_K_M、4K 上下文下约需 6.0 GB，在 RTX 5060 Ti 8G 上还剩 2.0 GB。这是本索引中能宽裕跑它的最小显卡；61 张中有 61 张可以。
- Ministral 3 8B Instruct 该用哪个量化档位？
- 该模型没有公开的质量对比数据，所以按体积来选：Q4_K_M 是多数人使用的档位，bits-per-weight 越高越忠实。索引中的 3 个档位是 Q4_K_M、Q5_K_M、Q8_0。