Mistral Medium 3.5 TPS-Rechner

Offene Gewichte Mistral AI 128B Parameter April 2026

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

38 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 12.0 tok/s

Schnellste Karte

H100 NVL 94 GB

30.1 tok/s · 94 GB

Welche GPUs können laufen Mistral Medium 3.5?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

38 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
30.1 tok/s 18–48 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	78.1 GB	Q4_K_M	knapp
27.3 tok/s 16–44 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	70.7 GB	IQ4_XS	knapp
27.3 tok/s 16–44 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	70.7 GB	IQ4_XS	knapp
26.5 tok/s 16–42 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	137.7 GB	Q8_0	knapp
26.5 tok/s 16–42 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	137.7 GB	Q8_0	Komfortabel
25.7 tok/s 15–41 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	78.1 GB	Q4_K_M	knapp
25.7 tok/s 15–41 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	78.1 GB	Q4_K_M	knapp
25.7 tok/s 15–41 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	78.1 GB	Q4_K_M	knapp
24.6 tok/s 15–39 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	107.9 GB	Q6_K	knapp
23.5 tok/s 14–38 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.9 GB	Q6_K	knapp
23.5 tok/s 14–38 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.9 GB	Q6_K	knapp
21.1 tok/s 13–34 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	137.7 GB	Q8_0	Komfortabel
21.1 tok/s 13–34 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	137.7 GB	Q8_0	Komfortabel
20.0 tok/s 12–32 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	107.9 GB	Q6_K	knapp
16.6 tok/s 10–27 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	70.7 GB	IQ4_XS	knapp
16.6 tok/s 10–27 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	70.7 GB	IQ4_XS	knapp
16.6 tok/s 10–27 · niedrige Vertrauenswürdigkeit	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	70.7 GB	IQ4_XS	knapp
16.6 tok/s 10–27 · niedrige Vertrauenswürdigkeit	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	70.7 GB	IQ4_XS	knapp
16.6 tok/s 10–27 · niedrige Vertrauenswürdigkeit	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	70.7 GB	IQ4_XS	knapp
16.6 tok/s 10–27 · niedrige Vertrauenswürdigkeit	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	70.7 GB	IQ4_XS	knapp
15.8 tok/s 9–25 · niedrige Vertrauenswürdigkeit	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	70.7 GB	IQ4_XS	knapp
15.8 tok/s 9–25 · niedrige Vertrauenswürdigkeit	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	70.7 GB	IQ4_XS	knapp
15.5 tok/s 9–25 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	137.7 GB	Q8_0	Komfortabel
13.7 tok/s 8–22 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	137.7 GB	Q8_0	Komfortabel
13.7 tok/s 8–22 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	137.7 GB	Q8_0	Komfortabel

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Mistral AI
Organisationsart: Industry
Land: France
Veröffentlicht: 29 April 2026

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Language, Multimodal
Aufgabe: Question answering, Language modeling/generation

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 128B
Trainingsdaten: tokens

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (restricted use)

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Mistral Medium 3.5 128B
Zuletzt aktualisiert: 27 May 2026

Die Extreme

Die zehn schnellsten GPUs, die RUN. Mistral Medium 3.5

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Mistral Medium 3.5

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Was Sie benötigen, um es auszuführen

Minimale Karte

RTX PRO 5000 72 GB Blackwell

Benötigter Speicher

63.2 GB

Schnellste

30.1 tok/s

Mistral Medium 3.5 erreicht eine Parameteranzahl von 128B. Das platziert es über Consumer-Hardware, in den Bereich, wo eine Karte für diesen Zweck gekauft wird, anstatt dafür umfunktioniert zu werden. Die Anzahl der Karten, die wir verfolgen, die es halten können: 38.

Die minimal benötigte Hardware, die funktioniert, ist RTX PRO 5000 72 GB Blackwell, mit einer MEMORY-KAPAZITÄT von 72 GB, es mit einer Kompression von Q3_K_M und produziert etwa 12.0 Token pro Sekunde

Am anderen Ende sitzt H100 NVL 94 GB, generieren ungefähr 30.1 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 3,940 GB/s.

Hintergrund

Mistral Medium 3.5 wurde veröffentlicht von Mistral AI, im Land aufgezeichnet als France, während April 2026. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Language, Multimodal, und wird als die Aufgabe von aufgezeichnet question answering, Language modeling/generation.

Da seine Gewichte veröffentlicht wurden, hängt nichts davon ab, es auszuführen, dass ein Anbieter verfügbar bleibt – es gehört dir, sobald es heruntergeladen ist.

Die Durchsatzwerte lesen

Das mediane Ergebnis liegt bei etwa 16.6 Token pro Sekunde. 36 von ihnen

Jedes Gewicht beteiligt sich hier an jedem Token, daher ist die Bandbreite die gesamte Geschichte: Das Ranking unten ist effektiv ein Ranking des Speicher-Durchsatzes.

Ohne das Attention-Layout in der Datei ist die Speicher-Spalte eine Annäherung. Sie ist nah genug, um Hardware auszuwählen, und am wenigsten zuverlässig bei langem CONTEXT.

Schritt für Schritt

Wie wählt man eine GPU für Mistral Medium 3.5

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Beginnen Sie mit der Speicher-Spalte

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Mistral Medium 3.5, benötigt ungefähr 63.2 GB bei einer Kompression von Q3_K_M. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
02

Passen Sie den Kontext an Ihre tatsächliche Verwendung an

Das Gespräch belegt ebenfalls Speicher und wächst, während es fortschreitet. Stellen Sie den Regler auf die Länge ein, die Sie erwarten, denn bei langem CONTEXT kann eine KARTE, die kurze Fragen mühelos verarbeitet, entfernt werden. Mistral Medium 3.5.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., eine Kompression von Q3_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Durchsatz und nicht nach Spezifikationen sortieren

Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für Mistral Medium 3.5. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist H100 NVL 94 GB, bei 30.1 tok/s
05

Achte auf den Spielraum, nicht nur auf das Passende.

Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von Mistral Medium 3.5. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Überprüfen Sie die Karte von der anderen Seite

Das Folgen einer Karte zu ihrer eigenen Seite zeigt jedes andere Modell, das sie halten kann, was die Frage ist, die folgt, sobald Sie sich festgelegt haben. Mistral Medium 3.5.

Antworten

Mistral Medium 3.5 — Häufige Fragen

Mistral Medium 3.5— Warum unterscheidet sich die Quantisierung zwischen Karten?

Jede Karte wird mit der am wenigsten komprimierten Kopie angezeigt, die sie halten kann. Die Anzahl der verschiedenen Komprimierungsstufen über die Karten, die sie passen: 5. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Mistral Medium 3.5— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 18–48 tok/s auf H100 NVL 94 GB. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Mistral Medium 3.5— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist RTX PRO 5000 72 GB Blackwell, mit einer MEMORY-KAPAZITÄT von 72 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 63.2 GB, und produziert ungefähr 12.0 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 38.

Mistral Medium 3.5— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist H100 NVL 94 GB, ungefähr 30.1 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 36.

Mistral Medium 3.5— Wie viel VRAM benötigt es?

Es benötigt etwa 63.2 GB bei einer Kompression von Q3_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Mistral Medium 3.5— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Mistral Medium 3.5— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 128B. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Mistral Medium 3.5— Wer hat es erstellt?

Es wurde veröffentlicht von Mistral AI, basiert auf France, eine als kategorisierte Organisation industry.

Mistral Medium 3.5— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2026.

Mistral Medium 3.5— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, Multimodal, und wird als Bewältigung der Aufgabe von question answering, Language modeling/generation. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.

Mistral Medium 3.5— Wo kann ich es herunterladen?

Die Gewichte sind veröffentlicht, obwohl wir keinen Repository-Link dafür haben. Diese Seite berechnet die Hardware-Anforderungen, anstatt Modell-Dateien zu hosten.

Mistral Medium 3.5— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Nur durch Abladen, was normalerweise eine falsche Wirtschaftlichkeit ist: der Teil, der im System-Speicher gehalten wird, zieht das Ganze nach unten. Die nächste verpasste Berechnung bleibt hinter 20.5 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Mistral Medium 3.5— Würden zwei GPUs es schneller ausführen?

Eine zweite Karte verdoppelt grob den verfügbaren Speicher, aber nicht die Generationsrate. Die Anzahl, die bereits in der Lage ist, es allein auszuführen: 38. So eine zweite Karte ist hier selten die Antwort.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 27 May 2026

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle