Mistral Small 24B Instruct 2501 (Q3_K_L) — 19.1 GBsu Apple M3 Max 64GB
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 Q3_K_L (livello di qualità low), il modello pesa 11.55 GB. Questo rientra nei 64 GB di VRAM di Apple M3 Max 64GB, consentendo l'inferenza completa su GPU.
Requisiti Hardware
| Dimensione del modello | 11.55 GB |
| VRAM disponibile | 64 GB |
| VRAM utilizzata | 19.1 GB |
| RAM di sistema | |
| RAM min richiesta | 0 GB |
| Livelli GPU | 40 / 40 |
| Dimensione del contesto | 32.768 |
| Backend | metal |
| Flash attention | Sì |
| Lettura da disco | Sì |
Distribuzione
Installa llama.cpp
brew install llama.cppScarica modello
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-Q3_K_L.gguf"Avvia server
llama-server \
-m mistral-small-24b-instruct-2501.gguf \
--n-gpu-layers 40 \
--ctx-size 32768 \
--flash-attnVerifica
curl http://localhost:8080/healthDomande frequenti
Quanta VRAM serve per Mistral Small 24B Instruct 2501 (Q3_K_L)?
La quantizzazione Q3_K_L di Mistral Small 24B Instruct 2501 richiede 11.55 GB. Tutti i 40 livelli entrano nei 64 GB di VRAM disponibili su Apple M3 Max 64GB, consentendo un'accelerazione GPU completa.
Posso eseguire Mistral Small 24B Instruct 2501 su Apple M3 Max 64GB?
Sì. Apple M3 Max 64GB offre 64 GB di VRAM, sufficienti per eseguire Mistral Small 24B Instruct 2501 (Q3_K_L) con tutti i livelli sulla GPU per prestazioni ottimali.
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. Q3_K_L comprime Mistral Small 24B Instruct 2501 dalla sua dimensione originale a 11.55 GB.
Quale quantizzazione scegliere per Mistral Small 24B Instruct 2501?
Q3_K_L è una quantizzazione di bassa qualità. 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 Apple M3 Max 64GB, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 64 GB di VRAM disponibili.
Come eseguire Mistral Small 24B Instruct 2501 (Q3_K_L) con Ollama?
Esegui ollama run mistral-small:24b-instruct-2501-q3_k_l per avviare Mistral Small 24B Instruct 2501 (Q3_K_L). Ollama scarica automaticamente i pesi del modello al primo avvio.