Mistral Small 24B Instruct 2501 (Q2_K_L) — 16.4 GBen Apple M4 Max 128GB
Descripción General
Mistral Small 24B Instruct 2501 es un modelo de lenguaje dense de 23.57B parámetros de Mistral AI, con capacidades de code, multilingual, tool-calls. Admite una ventana de contexto de hasta 32,768 tokens.
Mistral Small 24B Instruct 2501 es un transformador denso de 23.570 millones de parámetros de Mistral AI, optimizado para el seguimiento de instrucciones, la generación de código y la conversación multilingue. Ocupa una clase de parámetros intermedia que ofrece un rendimiento sólido en relación con su tamaño, compitiendo con modelos más grandes de 30B en muchos benchmarks. El modelo soporta "tool calling" y 10 idiomas, incluidos inglés, francés, chino y japonés. Con una ventana de contexto de 32K y "flash attention", cabe en una sola GPU de consumo con cuantización Q4 para inferencia autoalojada eficiente.
Con cuantización Q2_K_L (nivel de calidad low), el modelo pesa 8.89 GB. Esto cabe dentro de los 128 GB de VRAM de Apple M4 Max 128GB, lo que permite la inferencia completa en GPU.
Requisitos de Hardware
| Tamaño del modelo | 8.89 GB |
| VRAM disponible | 128 GB |
| VRAM utilizada | 16.4 GB |
| RAM del sistema | |
| RAM mín. requerida | 0 GB |
| Capas GPU | 40 / 40 |
| Tamaño del contexto | 32.768 |
| Backend | metal |
| Flash attention | Sí |
| Lectura desde disco | Sí |
Despliegue
Instalar llama.cpp
brew install llama.cppDescargar modelo
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-Q2_K_L.gguf"Iniciar servidor
llama-server \
-m mistral-small-24b-instruct-2501.gguf \
--n-gpu-layers 40 \
--ctx-size 32768 \
--flash-attnVerificar
curl http://localhost:8080/healthPreguntas frecuentes
¿Cuánta VRAM necesita Mistral Small 24B Instruct 2501 (Q2_K_L)?
La cuantización Q2_K_L de Mistral Small 24B Instruct 2501 requiere 8.89 GB. Las 40 capas caben en los 128 GB de VRAM disponibles en Apple M4 Max 128GB, permitiendo aceleración GPU completa.
¿Puedo ejecutar Mistral Small 24B Instruct 2501 en Apple M4 Max 128GB?
Sí. Apple M4 Max 128GB proporciona 128 GB de VRAM, suficiente para ejecutar Mistral Small 24B Instruct 2501 (Q2_K_L) con todas las capas en la GPU para un rendimiento óptimo.
¿Qué es la cuantización?
La cuantización reduce la precisión numérica de un modelo de su formato original de punto flotante a una representación más compacta. Esto reduce el tamaño del archivo y la huella de VRAM, haciendo posible ejecutar modelos grandes en hardware de consumo. La contrapartida es una pequeña reducción en la calidad de salida. Q2_K_L comprime Mistral Small 24B Instruct 2501 de su tamaño original a 8.89 GB.
¿Qué cuantización debo elegir para Mistral Small 24B Instruct 2501?
Q2_K_L es una cuantización de baja calidad. Los quants de mayor calidad (Q8, Q6) preservan más precisión del modelo pero necesitan más VRAM. Los quants inferiores (Q4, Q3, Q2) reducen el uso de VRAM a costa de cierta calidad. Elija según su hardware disponible y requisitos de calidad.
¿Qué es flash attention y por qué está activado?
Flash attention es un algoritmo eficiente en memoria que acelera el mecanismo de atención en modelos transformer. Reduce el uso de VRAM durante la inferencia evitando la materialización de la matriz de atención completa. Para Mistral Small 24B Instruct 2501 en Apple M4 Max 128GB, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 128 GB de VRAM disponibles.
¿Cómo ejecutar Mistral Small 24B Instruct 2501 (Q2_K_L) con Ollama?
Ejecute ollama run mistral-small:24b-instruct-2501-q2_k_l para iniciar Mistral Small 24B Instruct 2501 (Q2_K_L). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.