Mistral Small 24B Instruct 2501 (Q4_0) — 9.4 GBen NVIDIA RTX 3080

Q4_0 NVIDIA RTX 3080

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 Q4_0 (nivel de calidad medium), el modelo pesa 12.57 GB. Esto excede los 10 GB de VRAM de NVIDIA RTX 3080. La inferencia sigue siendo posible mediante descarga a CPU o carga mapeada en memoria desde disco, pero con un rendimiento significativamente reducido.

Requisitos de Hardware

Tamaño del modelo	12.57 GB
VRAM disponible	10 GB
VRAM utilizada	9.4 GB
RAM mín. requerida	4.7 GB
Capas GPU	25 / 40
Tamaño del contexto	1567
Backend	cuda13
Flash attention	Sí

Notas de rendimiento

Rendimiento reducido

15 de 40 capas se ejecutan en CPU. Su sistema necesita al menos 4.7 GB de RAM. Si la RAM del sistema es insuficiente, los datos se leerán del disco bajo demanda, con un impacto significativo en el rendimiento.

Conversaciones más cortas

El tamaño del contexto se ha reducido debido a restricciones de memoria. Esto puede afectar la capacidad del modelo para manejar conversaciones largas.

Despliegue

Servidor Local

Prerrequisitos

Asegúrese de que sus nodos GPU estén preparados con el NVIDIA container toolkit:

ansible-playbook prositronic.infra.nvidia_container_toolkit

Comando

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/mistral-small-24b-instruct-2501/q4_0/nvidia-rtx3080.yaml) apply

Archivo values.yaml

/values/mistral-small-24b-instruct-2501/q4_0/nvidia-rtx3080.yaml

Cargando valores…

Instalar llama.cpp

Instale llama.cpp desde las instrucciones de compilación oficiales para su plataforma y backend.

Descargar 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-Q4_0.gguf"

Iniciar servidor

llama-server \
  -m mistral-small-24b-instruct-2501.gguf \
  --n-gpu-layers 25 \
  --ctx-size 1567 \
  --flash-attn

Verificar

curl http://localhost:8080/health

Explorar

• Configurar un despliegue
• Explorar modelos
• Explorar hardware

Otras cuantizaciones

• Mistral Small 24B Instruct 2501 (FP16)
• Mistral Small 24B Instruct 2501 (Q8_0)
• Mistral Small 24B Instruct 2501 (Q5_K_M)

Otro hardware

• Mistral Small 24B Instruct 2501 on CPU Only
• Mistral Small 24B Instruct 2501 on NVIDIA A100 80GB
• Mistral Small 24B Instruct 2501 on NVIDIA H100

Preguntas frecuentes

¿Cuánta VRAM necesita Mistral Small 24B Instruct 2501 (Q4_0)?

La cuantización Q4_0 de Mistral Small 24B Instruct 2501 requiere 12.57 GB. 25 de 40 capas caben en los 10 GB de VRAM de NVIDIA RTX 3080; las capas restantes se descargan al CPU.

¿Puedo ejecutar Mistral Small 24B Instruct 2501 en NVIDIA RTX 3080?

Sí, con rendimiento reducido. NVIDIA RTX 3080 puede ejecutar Mistral Small 24B Instruct 2501 (Q4_0), pero solo 25 de 40 capas caben en la VRAM. El resto se descarga al CPU.

¿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. Q4_0 comprime Mistral Small 24B Instruct 2501 de su tamaño original a 12.57 GB.

¿Qué cuantización debo elegir para Mistral Small 24B Instruct 2501?

Q4_0 es una cuantización de calidad media. 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 NVIDIA RTX 3080, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 10 GB de VRAM disponibles.

¿Por qué se descargan algunas capas al CPU?

NVIDIA RTX 3080 tiene 10 GB de VRAM, pero Mistral Small 24B Instruct 2501 (Q4_0) requiere aproximadamente 12.57 GB. Solo 25 de 40 capas caben en la VRAM; las capas restantes se ejecutan en el CPU, que es más lento pero funcional.

¿Cómo ejecutar Mistral Small 24B Instruct 2501 (Q4_0) con Ollama?

Ejecute ollama run mistral-small:24b-instruct-2501-q4_0 para iniciar Mistral Small 24B Instruct 2501 (Q4_0). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.

Última actualización: 12 de marzo de 2026