Mixtral 8x7B Instruct
47B MoEMistral AI
⚠ 已过时 · 建议改用 Qwen3 30B-A3B Instruct
本索引现在会建议改用 Qwen3 30B-A3B Instruct——上下文更长(32K → 40K)。下面的数字依然准确,只是这已经不是一个值得从它开始的型号了。 对比两者 →
经典 MoE 模型,每 token 约 13B 激活参数,Q4 量化需 32GB+ 显存。
33K
最大上下文
2
量化变体
GGUF Q4_K_M
最佳质量
+2.8%
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
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_M按计算器这一档位的通用比特率估算,没有核对具体文件。
- 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。
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 ↗Mistral Large 3 675B Instruct
Mistral AI
Mistral 3 旗舰 MoE(激活 41B / 总 675B),含视觉编码器。FP8 需 8×H200;GGUF 量化仅供研究集群。估算假设使用当前 llama.cpp 的压缩 MLA:每层每个 token 缓存 512 个潜在值加 64 个旋转位置值,不另存 V 缓存。使用未拆分 KV 张量的旧版 GGUF 转换可能占用多得多的内存;尚未对选定文件实测缓存分配。
Mistral Small 24B Instruct
Mistral AI
Mistral 高效 24B 模型,多语言能力强,Q4 量化可装入 24GB 显存。
Mistral Nemo 12B Instruct
Mistral AI
Mistral 与 NVIDIA 合作推出,128K 上下文,多语言能力出色。
Mistral 7B Instruct v0.3
Mistral AI
经典 Mistral 7B v0.3,仍是本地对话 API 的可靠基线。
在本地运行 Mixtral 8x7B Instruct
在 Q4_K_M、4K 上下文下,Mixtral 8x7B Instruct 约需 30.1 GB —— 权重 26.9 GB、KV 缓存 0.50 GB、激活缓冲 2.7 GB。本索引中能宽裕跑它的最小显卡是 40 GB 的 A100 40G,105 张卡中有 20 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 3.50 GB,总量来到 34.0 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 32K;在 Q4_K_M 下把它全部撑满约需 34 GB。
该下载哪个版本
本索引收录了它的 2 种格式 —— GGUF、AWQ —— 共 2 个档位。 其中 Q4_K_M 的公开困惑度损失最低,为 2.8%。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 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
- Mixtral 8x7B Instruct 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 30.1 GB,到 32K 时约 34.0 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。
- Mixtral 8x7B Instruct 能在 40GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 30.1 GB,在 A100 40G 上还剩 9.9 GB。这是本索引中能宽裕跑它的最小显卡;105 张中有 20 张可以。
- Mixtral 8x7B Instruct 该用哪个量化档位?
- Q4_K_M 的公开质量损失最低(2.8%),而 Q4_K_M 是多数人使用的档位。索引中的 2 个档位是 Q4_K_M、AWQ INT4。 注意这是 MoE 模型 —— 尽管每个 token 只激活一部分参数,全部参数仍需驻留显存,因此显存开销按总参数量算,而不是激活参数量。
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
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