Mistral Small 24B Instruct 2501 (FP32) — 79.4 GBsu OVH h100-1-gpu
Panoramica
Mistral Small 24B Instruct 2501 è un modello linguistico dense da 23.57B parametri di Mistral AI, con capacità di code, multilingual, tool-calls. Supporta una finestra di contesto fino a 32,768 token.
Mistral Small 24B Instruct 2501 è un trasformatore denso da 23,57 miliardi di parametri di Mistral AI, ottimizzato per il seguimento di istruzioni, la generazione di codice e la conversazione multilingue. Si colloca in una classe di parametri intermedia che offre prestazioni elevate rispetto alle dimensioni, competendo con modelli più grandi da 30B in molti benchmark. Il modello supporta il "tool calling" e 10 lingue tra cui inglese, francese, cinese e giapponese. Con una finestra di contesto da 32K e "flash attention", funziona su una singola GPU consumer con quantizzazione Q4 per un'inferenza self-hosted efficiente.
Con la quantizzazione FP32 (livello di qualità full-precision), il modello pesa 87.82 GB. Questo supera i 80 GB di VRAM di OVH h100-1-gpu. L'inferenza è comunque possibile tramite scaricamento su CPU o caricamento mappato in memoria dal disco, ma con prestazioni notevolmente ridotte.
La NVIDIA H100 80 GB e una GPU datacenter con 80 GB di HBM3 VRAM e 3350 GB/s di larghezza di banda della memoria. Offre 1979 FP16 TFLOPS sull'architettura Hopper, rendendola l'opzione GPU singola piu veloce per l'inferenza di grandi modelli linguistici. Gestisce modelli fino a 70B parametri con elevato throughput. Progettata per team datacenter che eseguono carichi di lavoro IA impegnativi in produzione.
Requisiti Hardware
| Dimensione del modello | 87.82 GB |
| VRAM disponibile | 80 GB |
| VRAM utilizzata | 79.4 GB |
| RAM di sistema | 350 GB |
| RAM min richiesta | 11 GB |
| Livelli GPU | 35 / 40 |
| Dimensione del contesto | 6882 |
| Backend | cuda13 |
| Flash attention | Sì |
| Lettura da disco | Sì |
Note sulle prestazioni
Distribuzione
Prerequisiti
Assicurati che i nodi GPU siano preparati con il NVIDIA container toolkit:
ansible-playbook prositronic.infra.nvidia_container_toolkitComando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/mistral-small-24b-instruct-2501/fp32/nvidia-h100-80gb.yaml) applyFile values.yaml
/values/mistral-small-24b-instruct-2501/fp32/nvidia-h100-80gb.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Mistral Small 24B Instruct 2501 (FP32)?
La quantizzazione FP32 di Mistral Small 24B Instruct 2501 richiede 87.82 GB. 35 dei 40 livelli entrano nei 80 GB di VRAM di OVH h100-1-gpu; i livelli rimanenti vengono scaricati sulla CPU.
Posso eseguire Mistral Small 24B Instruct 2501 su OVH h100-1-gpu?
Sì, con prestazioni ridotte. OVH h100-1-gpu può eseguire Mistral Small 24B Instruct 2501 (FP32), ma solo 35 dei 40 livelli entrano nella VRAM. Il resto viene scaricato sulla CPU.
Cos'è la quantizzazione?
La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. FP32 comprime Mistral Small 24B Instruct 2501 dalla sua dimensione originale a 87.82 GB.
Quale quantizzazione scegliere per Mistral Small 24B Instruct 2501?
FP32 è una quantizzazione di piena precisione. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.
Cos'è il flash attention e perché è attivato?
Flash attention è un algoritmo efficiente in memoria che accelera il meccanismo di attenzione nei modelli transformer. Riduce l'uso di VRAM durante l'inferenza evitando la materializzazione della matrice di attenzione completa. Per Mistral Small 24B Instruct 2501 su OVH h100-1-gpu, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 80 GB di VRAM disponibili.
Perché alcuni livelli vengono scaricati sulla CPU?
OVH h100-1-gpu ha 80 GB di VRAM, ma Mistral Small 24B Instruct 2501 (FP32) richiede circa 87.82 GB. Solo 35 dei 40 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.
Come eseguire Mistral Small 24B Instruct 2501 (FP32) con Ollama?
Esegui ollama run mistral-small:24b-instruct-2501-fp32 per avviare Mistral Small 24B Instruct 2501 (FP32). Ollama scarica automaticamente i pesi del modello al primo avvio.