Mistral Small 24B Instruct 2501 (Q5_K_L) — 23.5 GBauf Apple M3 Max 64GB
Überblick
Mistral Small 24B Instruct 2501 ist ein 23.57B-Parameter dense-Sprachmodell von Mistral AI, mit Fähigkeiten in code, multilingual, tool-calls. Es unterstützt ein Kontextfenster von bis zu 32,768 Tokens.
Mistral Small 24B Instruct 2501 ist ein dichter Transformer mit 23,57 Milliarden Parametern von Mistral AI, optimiert für Instruktionsbefolgung, Codegenerierung und mehrsprachige Konversation. Das Modell bietet in seiner mittleren Parameterklasse eine starke Leistung im Verhältnis zur Größe und konkurriert mit größeren 30B-Modellen in vielen Benchmarks. Es unterstützt Tool Calling und 10 Sprachen, darunter Englisch, Französisch, Chinesisch und Japanisch. Mit einem 32K-Kontextfenster und Flash Attention passt es bei Q4-Quantisierung auf eine einzelne Consumer-GPU für effiziente selbstgehostete Inferenz.
Bei Q5_K_L-Quantisierung (Qualitätsstufe low) wiegt das Modell 16 GB. Das passt in die 64 GB VRAM von Apple M3 Max 64GB und ermöglicht vollständige GPU-Inferenz.
Hardwareanforderungen
| Modellgröße | 16 GB |
| Verfügbarer VRAM | 64 GB |
| Genutzter VRAM | 23.5 GB |
| System-RAM | |
| Min. RAM benötigt | 0 GB |
| GPU-Ebenen | 40 / 40 |
| Kontextgröße | 32.768 |
| Backend | metal |
| Flash Attention | Ja |
| Lesen von Festplatte | Ja |
Bereitstellung
llama.cpp installieren
brew install llama.cppModell herunterladen
curl -L -o mistral-small-24b-instruct-2501.gguf "https://huggingface.co/bartowski/Mistral-Small-24B-Instruct-2501-GGUF/resolve/main/Mistral-Small-24B-Instruct-2501-Q5_K_L.gguf"Server starten
llama-server \
-m mistral-small-24b-instruct-2501.gguf \
--n-gpu-layers 40 \
--ctx-size 32768 \
--flash-attnÜberprüfen
curl http://localhost:8080/healthHäufig gestellte Fragen
Wie viel VRAM benötigt Mistral Small 24B Instruct 2501 (Q5_K_L)?
Die Q5_K_L-Quantisierung von Mistral Small 24B Instruct 2501 benötigt 16 GB. Alle 40 Schichten passen in die 64 GB VRAM von Apple M3 Max 64GB, was volle GPU-Beschleunigung ermöglicht.
Kann ich Mistral Small 24B Instruct 2501 auf Apple M3 Max 64GB ausführen?
Ja. Apple M3 Max 64GB bietet 64 GB VRAM, was ausreicht, um Mistral Small 24B Instruct 2501 (Q5_K_L) mit allen Schichten auf der GPU für optimale Leistung auszuführen.
Was ist Quantisierung?
Quantisierung reduziert die numerische Präzision eines Modells von seinem ursprünglichen Gleitkommaformat auf eine kompaktere Darstellung. Dies verringert die Dateigröße und den VRAM-Bedarf, wodurch es möglich wird, große Modelle auf Consumer-Hardware auszuführen. Der Kompromiss ist eine geringe Verringerung der Ausgabequalität. Q5_K_L komprimiert Mistral Small 24B Instruct 2501 von seiner ursprünglichen Größe auf 16 GB.
Welche Quantisierung sollte ich für Mistral Small 24B Instruct 2501 wählen?
Q5_K_L ist eine niedrigwertige Quantisierung. Hochwertigere Quants (Q8, Q6) bewahren mehr Modellgenauigkeit, benötigen aber mehr VRAM. Niedrigere Quants (Q4, Q3, Q2) reduzieren den VRAM-Verbrauch auf Kosten der Qualität. Wählen Sie basierend auf Ihrer verfügbaren Hardware und Ihren Qualitätsanforderungen.
Was ist Flash Attention und warum ist es aktiviert?
Flash Attention ist ein speichereffizienter Algorithmus, der den Attention-Mechanismus in Transformer-Modellen beschleunigt. Er reduziert den VRAM-Verbrauch während der Inferenz, indem er die Materialisierung der vollständigen Attention-Matrix vermeidet. Für Mistral Small 24B Instruct 2501 auf Apple M3 Max 64GB ist Flash Attention aktiviert, um Kontextlänge und Durchsatz innerhalb der verfügbaren 64 GB VRAM zu maximieren.
Wie führe ich Mistral Small 24B Instruct 2501 (Q5_K_L) mit Ollama aus?
Führen Sie ollama run mistral-small:24b-instruct-2501-q5_k_l aus, um Mistral Small 24B Instruct 2501 (Q5_K_L) zu starten. Ollama lädt die Modellgewichte beim ersten Start automatisch herunter.