Pixtral 12B TPS-Rechner

Offene Gewichte Mistral AI 12.4B Parameter September 2024

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

509 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Xeon Phi 5110P

8 GB · Q3_K_M · 19.2 tok/s

Schnellste Karte

B200

273 tok/s · 180 GB

Welche GPUs können laufen Pixtral 12B?

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.

509 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
273 tok/s 164–437 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	14.0 GB	Q8_0	Komfortabel
273 tok/s 164–437 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	14.0 GB	Q8_0	Komfortabel
218 tok/s 131–349 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	14.0 GB	Q8_0	Komfortabel
218 tok/s 131–349 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	14.0 GB	Q8_0	Komfortabel
175 tok/s 105–279 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	14.0 GB	Q8_0	Komfortabel
167 tok/s 100–267 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.0 GB	Q8_0	Komfortabel
167 tok/s 100–267 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.0 GB	Q8_0	Komfortabel
160 tok/s 96–256 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	14.0 GB	Q8_0	Komfortabel
142 tok/s 85–227 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Komfortabel
142 tok/s 85–227 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Komfortabel
142 tok/s 85–227 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Komfortabel
137 tok/s 82–220 · niedrige Vertrauenswürdigkeit	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.8 GB	Q3_K_M	knapp
135 tok/s 81–215 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	14.0 GB	Q8_0	Komfortabel
123 tok/s 74–197 · niedrige Vertrauenswürdigkeit	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.2 GB	Q4_K_M	knapp
115 tok/s 69–184 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Komfortabel
115 tok/s 69–184 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	14.0 GB	Q8_0	Komfortabel
115 tok/s 69–184 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Komfortabel
115 tok/s 69–184 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Komfortabel
115 tok/s 69–184 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Komfortabel
87.4 tok/s 52–140 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	14.0 GB	Q8_0	Komfortabel
87.4 tok/s 52–140 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	14.0 GB	Q8_0	Komfortabel
72.8 tok/s 44–117 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	14.0 GB	Q8_0	Komfortabel
71.3 tok/s 43–114 · niedrige Vertrauenswürdigkeit	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	14.0 GB	Q8_0	Komfortabel
70.8 tok/s 42–113 · niedrige Vertrauenswürdigkeit	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	6.8 GB	Q3_K_M	knapp
69.7 tok/s 42–111 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	14.0 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: 17 September 2024
Autoren: Mistral AI Team

Was es tut

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

Domain: Vision, Language, Multimodal
Aufgabe: Language modeling/generation, Question answering, Visual question answering, Code 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: 12.4B
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 (unrestricted)
Training-Code: Unreleased

Wie es klassifiziert ist

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

Wahrscheinlich über 10²³ FLOP: Yes
Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Pixtral 12B - the first-ever multimodal Mistral model. Apache 2.0.
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Pixtral 12B

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 Pixtral 12B

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 es braucht, um dieses Modell auszuführen

Minimale Karte

Xeon Phi 5110P

Benötigter Speicher

6.8 GB

Schnellste

273 tok/s

Pixtral 12B erreicht eine Parameteranzahl von 12.4B. Das ist klein genug, dass Hardware selten das Hindernis ist, einschließlich bei Karten, die mehrere Jahre alt sind. Die Anzahl der Karten, die wir verfolgen, die es ausführen können: 509.

Die kleinste Karte, die es hält, ist Xeon Phi 5110P, mit einer MEMORY-KAPAZITÄT von 8 GB, es mit einer Kompression von Q3_K_M und produziert etwa 19.2 Token pro Sekunde

Spitzenklasse ist B200, generieren ungefähr 273 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Hintergrund

Pixtral 12B wurde veröffentlicht von Mistral AI, im Land aufgezeichnet als France, während September 2024. Die Kategorie, in die der Herausgeber fällt, ist industry.

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

Die Gewichte sind veröffentlicht, sodass sie auf deiner eigenen Hardware unbegrenzt, offline und ohne angehängtes Konto heruntergeladen und ausgeführt werden kann.

Die Durchsatzwerte lesen

Das mediane Ergebnis liegt bei etwa 20.6 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 453 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 Pixtral 12B

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

Lese zuerst die MEMORY-Zahl

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Pixtral 12B, benötigt ungefähr 6.8 GB bei einer Kompression von Q3_K_M. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
02

Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.

Längere Gespräche kosten MEMORY zusätzlich zu dem, was die WEIGHTS benötigen. Bewege den Schieberegler auf deine tatsächliche Arbeitslänge, bevor du einer Zeile vertraust. Pixtral 12B.
03

Wähle, wie weit du es komprimieren möchtest.

Die Quantisierungs-Spalte variiert nach Karte, da eine größere Karte eine genauere Kopie hält., 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 Pixtral 12B. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 273 tok/s
05

Lies die Spalte "fit" zuletzt

Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von Pixtral 12B. 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. Pixtral 12B.

Antworten

Pixtral 12B — Häufige Fragen

Pixtral 12B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 273 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: 453.

Pixtral 12B— Wie viel VRAM benötigt es?

Es benötigt etwa 6.8 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.

Pixtral 12B— Kann ich es auf einer GPU mitführen? 8 GB?

Ja. Die GPU-Karte CMP 170HX 8 GB, halten 8 GB, führt es mit einer Kompression von Q3_K_M, verwenden von etwa 6.8 GB und generieren grob 137 Token pro Sekunde. Der Fit ist eng.

Pixtral 12B— Kann ich es auf einer GPU mitführen? 12 GB?

Ja. Die GPU-Karte GeForce RTX 3080 Ti, halten 12 GB, führt es mit einer Kompression von Q5_K_M, verwenden von etwa 9.6 GB und generieren grob 55.7 Token pro Sekunde. Der Fit ist eng.

Pixtral 12B— Kann ich es auf einer GPU mitführen? 16 GB?

Ja. Die GPU-Karte Tesla V100 SXM2 16 GB, halten 16 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 14.0 GB und generieren grob 38.6 Token pro Sekunde. Der Fit ist eng.

Pixtral 12B— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 14.0 GB und generieren grob 45.8 Tokens pro Sekunde. Der Fit ist komfortabel.

Pixtral 12B— 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.

Pixtral 12B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 12.4B. "New 400M parameter vision encoder trained from scratch" + "12B parameter multimodal decoder based on Mistral Nemo". 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.

Pixtral 12B— Wer hat es erstellt?

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

Pixtral 12B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in September 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

Pixtral 12B— Wofür wird es verwendet?

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

Pixtral 12B— 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.

Pixtral 12B— 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 2.8 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Pixtral 12B— Würden zwei GPUs es schneller ausführen?

Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 509. So eine zweite Karte ist hier selten die Antwort.

Pixtral 12B— Warum unterscheidet sich die Quantisierung zwischen Karten?

Da die Kapazität variiert, variiert auch, wie sehr sie komprimiert werden muss. Die Anzahl der unterschiedlichen Ebenen in der obigen Tabelle: 4. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Pixtral 12B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Jede Zahl leitet sich von VRAM-Bandbreite und Modellgröße ab, nicht benchmarked, weshalb jede als Bereich und nicht als einzelne Zahl veröffentlicht wird. Ein Beispiel: 164–437 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Pixtral 12B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Xeon Phi 5110P, mit einer MEMORY-KAPAZITÄT von 8 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 6.8 GB, und produziert ungefähr 19.2 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 509.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

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