Mistral Large 2.1 TPS kalkulátor

Otevřít váhy Mistral AI 123B parametry November 2024

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

38 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 12.5 tok/s

Nejrychlejší karta

H100 NVL 94 GB

31.3 tok/s · 94 GB

Které GPU mohou spustit Mistral Large 2.1?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

38 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
31.3 tok/s 19–50 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.1 GB	Q4_K_M	Těsný
28.4 tok/s 17–45 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	68.0 GB	IQ4_XS	Těsný
28.4 tok/s 17–45 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	68.0 GB	IQ4_XS	Těsný
27.6 tok/s 17–44 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	132.4 GB	Q8_0	Pohodlný
27.6 tok/s 17–44 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	132.4 GB	Q8_0	Pohodlný
26.7 tok/s 16–43 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.1 GB	Q4_K_M	Těsný
26.7 tok/s 16–43 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.1 GB	Q4_K_M	Těsný
26.7 tok/s 16–43 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.1 GB	Q4_K_M	Těsný
25.6 tok/s 15–41 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	103.8 GB	Q6_K	Těsný
24.5 tok/s 15–39 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	103.8 GB	Q6_K	Pohodlný
24.5 tok/s 15–39 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	103.8 GB	Q6_K	Pohodlný
22.0 tok/s 13–35 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	132.4 GB	Q8_0	Pohodlný
22.0 tok/s 13–35 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	132.4 GB	Q8_0	Pohodlný
20.8 tok/s 12–33 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	103.8 GB	Q6_K	Těsný
17.3 tok/s 10–28 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	68.0 GB	IQ4_XS	Těsný
17.3 tok/s 10–28 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	68.0 GB	IQ4_XS	Těsný
17.3 tok/s 10–28 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	68.0 GB	IQ4_XS	Těsný
17.3 tok/s 10–28 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.0 GB	IQ4_XS	Těsný
17.3 tok/s 10–28 · nízká důvěra	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	68.0 GB	IQ4_XS	Těsný
17.3 tok/s 10–28 · nízká důvěra	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.0 GB	IQ4_XS	Těsný
16.4 tok/s 10–26 · nízká důvěra	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	68.0 GB	IQ4_XS	Těsný
16.4 tok/s 10–26 · nízká důvěra	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	68.0 GB	IQ4_XS	Těsný
16.1 tok/s 10–26 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	132.4 GB	Q8_0	Pohodlný
14.3 tok/s 9–23 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	132.4 GB	Q8_0	Pohodlný
14.3 tok/s 9–23 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	132.4 GB	Q8_0	Pohodlný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: Mistral AI
Typ organizace: Industry
Země: France
Publikováno: 15 November 2024
Autoři: Albert Jiang, Alexandre Sablayrolles, Alexis Tacnet, Alok Kothari, Antoine Roux, Arthur Mensch, Audrey Herblin-Stoop, Augustin Garreau, Austin Birky, Bam4d, Baptiste Bout, Baudouin de Monicault, Blanche Savary, Carole Rambaud, Caroline Feldman, Devendra Singh Chaplot, Diego de las Casas, Diogo Costa, Eleonore Arcelin, Emma Bou Hanna, Etienne Metzger, Gaspard Blanchet, Gianna Lengyel, Guillaume Bou…

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language
Úkol: Language modeling/generation, Translation, Code generation, Question answering, Retrieval-augmented generation

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 123B
Výcviková data: tokens

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (non-commercial)
Tréninkový kód: Unreleased
Hugging Face: mistralai

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Záznam důvěry: Unknown

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Our top-tier large model for high-complexity tasks with the lastest version released November 2024.
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Mistral Large 2.1

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží Mistral Large 2.1

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Hardwareová stránka

Minimum karta

RTX PRO 5000 72 GB Blackwell

Potřeba paměti

60.8 GB

Nejrychlejší

31.3 tok/s

Mistral Large 2.1 dosahuje počtu parametrů 123B. To dává nad spotřebitelský hardware, do oblasti, kde je karta kupována za tímto účelem spíše než přepracována pro něj. Počet karet, které sledujeme a které to mohou pojmout: 38.

Na nízkém konci se to řeší pomocí RTX PRO 5000 72 GB Blackwell, s kapacitou VRAM 72 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 12.5 tokenů za sekundu

Na druhém konci sedí H100 NVL 94 GB, generování přibližně 31.3 tokens za sekundu na základě šířky pásma VRAM 3,940 GB/s.

O tomto modelu

Mistral Large 2.1 byl zveřejněn Mistral AI, v zemi zaznamenané jako France, během November 2024. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Translation, Code generation, Question answering, Retrieval-augmented generation.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu. Na Hugging Face je publikováno pod organizací mistralai.

Jak rychle to běží a proč

Mediánový výsledek je kolem 17.3 tokenů za sekundu. Producing text faster than most people read it: 36 z nich

Každá váha se účastní každého tokenu zde, takže šířka pásma je celá historie: hodnocení níže je ve skutečnosti hodnocením propustnosti paměti.

Jeho vnitřní architektura není v evidenci, takže paměť je přibližně odhadnuta z počtu parametrů a označena odpovídajícím způsobem. Očekávejte, že skutečná čísla se budou lišit, zejména u dlouhého kontextu.

Krok za krokem

Jak vybrat GPU pro Mistral Large 2.1

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Začněte od sloupce paměti

Začněte od toho, co skutečně potřebuje, což je požadavek na Mistral Large 2.1, potřebující kolem 60.8 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Rozhodněte, jak dlouho vaše konverzace běží

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Mistral Large 2.1.
03

Vyberte, jak moc to budete komprimovat.

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., dosahující komprese Q3_K_M na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Hodnoťte podle propustnosti spíše než podle specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Mistral Large 2.1. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je H100 NVL 94 GB, na 31.3 tok/s
05

Přečtěte si poslední sloupec fit

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Mistral Large 2.1. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Otevřete kartu, na které jste se usadili.

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Mistral Large 2.1.

Odpovědi

Mistral Large 2.1 — běžné otázky

Mistral Large 2.1— kolik VRAM potřebuje?

Potřebuje asi 60.8 GB při kompresi Q3_K_M, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

Mistral Large 2.1— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Mistral Large 2.1— kolik má parametrů?

Má počet parametrů 123B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Mistral Large 2.1— Kdo to vytvořil?

Bylo to publikováno společností Mistral AI, zakládající se na France, organizace zařazená jako industry.

Mistral Large 2.1— Kdy byl vydán?

Bylo to zveřejněno v November 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

Mistral Large 2.1— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Translation, Code generation, Question answering, Retrieval-augmented generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Mistral Large 2.1— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací mistralai. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Mistral Large 2.1— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 17.5 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Mistral Large 2.1— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 38. Takže druhá karta je tu zřídka odpovědí.

Mistral Large 2.1— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Mistral Large 2.1— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 19–50 tok/s na H100 NVL 94 GB. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Mistral Large 2.1— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je RTX PRO 5000 72 GB Blackwell, s kapacitou VRAM 72 GB. Spouští model při kompresi Q3_K_M používající přibližně 60.8 GB, a produkuje přibližně 12.5 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 38.

Mistral Large 2.1— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je H100 NVL 94 GB, přibližně 31.3 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 36.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely