Mistral Small 24B Instruct 2501 (Q4_K_S) — 20.2 Gosur OVH a100-1-gpu
Aperçu
Mistral Small 24B Instruct 2501 est un modèle de langage dense de 23.57B paramètres par Mistral AI, avec des capacités en code, multilingual, tool-calls. Il prend en charge une fenêtre de contexte allant jusqu’à 32,768 tokens.
Mistral Small 24B Instruct 2501 est un transformeur dense de 23,57 milliards de paramètres développé par Mistral AI, optimisé pour le suivi d'instructions, la génération de code et la conversation multilingue. Il se situe dans une classe de paramètres moyenne offrant des performances élevées par rapport à sa taille, rivalisant avec des modèles plus grands de 30B sur de nombreux benchmarks. Le modèle prend en charge le "tool calling" et 10 langues dont l'anglais, le français, le chinois et le japonais. Avec une fenêtre de contexte de 32K et le "flash attention", il tient sur un seul GPU grand public en quantification Q4 pour une inférence auto-hébergée efficace.
Avec la quantification Q4_K_S (niveau de qualité medium), le modèle pèse 12.62 Go. Cela tient dans les 80 Go de VRAM de OVH a100-1-gpu, permettant une inférence entièrement sur GPU.
Le NVIDIA A100 80 Go est un GPU datacenter avec 80 Go de HBM2e VRAM et 2039 Go/s de bande passante memoire. Il delivre 312 FP16 TFLOPS, permettant une inference rapide sur de grands modeles de langage jusqu'a 70B parametres avec une quantification moderee. Parfaitement adapte aux equipes datacenter executant des charges de travail LLM en production necessitant une grande capacite memoire et un haut debit.
Configuration matérielle requise
| Taille du modèle | 12.62 GB |
| VRAM disponible | 80 GB |
| VRAM utilisée | 20.2 GB |
| RAM système | 160 GB |
| RAM min requise | 0 GB |
| Couches GPU | 40 / 40 |
| Taille du contexte | 32 768 |
| Backend | cuda13 |
| Flash attention | Oui |
| Lecture depuis le disque | Oui |
Déploiement
Prérequis
Assurez-vous que vos nœuds GPU sont préparés avec le NVIDIA container toolkit :
ansible-playbook prositronic.infra.nvidia_container_toolkitCommande
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/mistral-small-24b-instruct-2501/q4_k_s/nvidia-a100-80gb.yaml) applyFichier values.yaml
/values/mistral-small-24b-instruct-2501/q4_k_s/nvidia-a100-80gb.yaml
Chargement des valeurs…Questions fréquemment posées
De combien de VRAM Mistral Small 24B Instruct 2501 (Q4_K_S) a-t-il besoin ?
La quantification Q4_K_S de Mistral Small 24B Instruct 2501 nécessite 12.62 Go. Les 40 couches tiennent dans les 80 Go de VRAM disponibles sur OVH a100-1-gpu, permettant une accélération GPU complète.
Puis-je exécuter Mistral Small 24B Instruct 2501 sur OVH a100-1-gpu ?
Oui. OVH a100-1-gpu dispose de 80 Go de VRAM, ce qui suffit pour exécuter Mistral Small 24B Instruct 2501 (Q4_K_S) avec toutes les couches sur le GPU pour des performances optimales.
Qu'est-ce que la quantification ?
La quantification réduit la précision numérique d'un modèle de son format virgule flottante original vers une représentation plus compacte. Cela réduit la taille du fichier et l'empreinte VRAM, rendant possible l'exécution de grands modèles sur du matériel grand public. Le compromis est une légère réduction de la qualité de sortie. Q4_K_S compresse Mistral Small 24B Instruct 2501 de sa taille originale à 12.62 Go.
Quelle quantification choisir pour Mistral Small 24B Instruct 2501 ?
Q4_K_S est une quantification qualité moyenne. Les quants de meilleure qualité (Q8, Q6) préservent davantage la précision du modèle mais nécessitent plus de VRAM. Les quants inférieurs (Q4, Q3, Q2) réduisent l'utilisation de la VRAM au prix d'une certaine qualité. Choisissez en fonction de votre matériel disponible et de vos exigences de qualité.
Qu'est-ce que le flash attention et pourquoi est-il activé ?
Flash attention est un algorithme efficace en mémoire qui accélère le mécanisme d'attention dans les modèles transformer. Il réduit l'utilisation de la VRAM pendant l'inférence en évitant la matérialisation de la matrice d'attention complète. Pour Mistral Small 24B Instruct 2501 sur OVH a100-1-gpu, flash attention est activé pour maximiser la longueur de contexte et le débit dans les 80 Go de VRAM disponibles.
Comment exécuter Mistral Small 24B Instruct 2501 (Q4_K_S) avec Ollama ?
Exécutez ollama run mistral-small:24b-instruct-2501-q4_k_s pour démarrer Mistral Small 24B Instruct 2501 (Q4_K_S). Ollama télécharge automatiquement les poids du modèle au premier lancement.