Mistral NeMo calculadora TPS

Abre pesos Mistral AI 12B parámetros July 2024

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

509 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Xeon Phi 5110P

8 GB · Q3_K_M · 19.8 tok/s

Tarjeta más rápida

B200

282 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Mistral NeMo?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

509 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
282 tok/s 240–339	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	14.0 GB	Q8_0	Cómodo
282 tok/s 240–339	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	14.0 GB	Q8_0	Cómodo
225 tok/s 135–361 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	14.0 GB	Q8_0	Cómodo
225 tok/s 135–361 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	14.0 GB	Q8_0	Cómodo
180 tok/s 108–289 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	14.0 GB	Q8_0	Cómodo
173 tok/s 147–207	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.0 GB	Q8_0	Cómodo
173 tok/s 147–207	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.0 GB	Q8_0	Cómodo
165 tok/s 99–264 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	14.0 GB	Q8_0	Cómodo
147 tok/s 88–235 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Cómodo
147 tok/s 88–235 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Cómodo
147 tok/s 88–235 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Cómodo
142 tok/s 121–170	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.1 GB	Q3_K_M	Ajustado
139 tok/s 118–167	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	14.0 GB	Q8_0	Cómodo
127 tok/s 108–153	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.5 GB	Q4_K_M	Ajustado
119 tok/s 101–142	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Cómodo
119 tok/s 101–142	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	14.0 GB	Q8_0	Cómodo
119 tok/s 101–142	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Cómodo
119 tok/s 101–142	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Cómodo
119 tok/s 101–142	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Cómodo
90.3 tok/s 54–144 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	14.0 GB	Q8_0	Cómodo
90.3 tok/s 54–144 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	14.0 GB	Q8_0	Cómodo
75.3 tok/s 45–120 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	14.0 GB	Q8_0	Cómodo
73.6 tok/s 44–118 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	14.0 GB	Q8_0	Cómodo
73.1 tok/s 62–88	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	7.1 GB	Q3_K_M	Ajustado
72.0 tok/s 61–86	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	14.0 GB	Q8_0	Cómodo

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: Mistral AI
Tipo de Organización: Industry
País: France
Publicado: 18 July 2024
Autores: 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, Eleonore Arcelin, Emma Bou Hanna, Etienne Metzger, Gaspard Blanchet, Gianna Lengyel, Guillaume Bour, Guillaume …

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Language
Tarea: Language modeling/generation, Code generation
Enfoque: Self-supervised learning

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 12B
Datos de entrenamiento: tokens

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (unrestricted)
Hugging Face: mistralai

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro: Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia: Mistral NeMo
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Mistral NeMo

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan Mistral NeMo

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

El lado de hardware

Mínima tarjeta

Xeon Phi 5110P

Memoria necesaria

7.1 GB

Más rápido

282 tok/s

Mistral NeMo llega a un recuento de parámetros de 12B. Eso es lo suficientemente pequeño como para que el hardware rara vez sea el obstáculo, incluso en tarjetas de varios años. El número de tarjetas que rastreamos que pueden ejecutarlo: 509.

En el extremo bajo, se maneja por Xeon Phi 5110P, con una capacidad de memoria de 8 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 19.8 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 282 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

De dónde vino

Mistral NeMo fue publicado por Mistral AI, en el país registrado como France, durante July 2024. Sale de una organización categorizada como industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Code generation.

Los PESOS están publicados, por lo que se puede descargar y ejecutar en su propio HARDWARE indefinidamente, SIN CONEXIÓN, sin cuenta adjunta. En Hugging Face está publicado bajo la organización mistralai.

Entendiendo las velocidades

La mitad de las tarjetas que lo sostienen gestionan más de 21.2 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 455 de ellos.

Cada peso participa en cada token aquí, por lo que el ancho de banda es la historia completa: el ranking a continuación es efectivamente un ranking de rendimiento de memoria.

Su disposición de atención está en nuestra base de datos, por lo que las cifras de VRAM se calculan exactamente en lugar de aproximarse.

Paso a paso

Cómo elegir una GPU para Mistral NeMo

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Lee la cifra de MEMORIA primero

Cada tarjeta aquí ha sido verificada contra Mistral NeMo, necesitando alrededor 7.1 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Ajusta el contexto a tu uso actual

Establece el contexto a lo que realmente usarás. La caché crece con la conversación, y es la razón habitual por la que una card que parecía bien deja de fit. Mistral NeMo.
03

Decide cuánto compresión aceptarás

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., alcanzando una compresión de Q3_K_M en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Clasifica por rendimiento en lugar de la hoja de especificaciones.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Mistral NeMo. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 282 tok/s
05

Mira el margen, no solo la compatibilidad.

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Mistral NeMo. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Abre la tarjeta que has elegido.

Cada página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Mistral NeMo.

Respuestas

Mistral NeMo — preguntas comunes

Mistral NeMo— ¿Puedo ejecutarlo en una GPU que tiene? 16 GB?

Sí. La tarjeta Tesla V100 SXM2 16 GB, sosteniendo 16 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 14.0 GB y generando aproximadamente 39.9 tokens por segundo. El ajuste es ajustado.

Mistral NeMo— ¿Puedo ejecutarlo en una GPU que tiene? 24 GB?

Sí. La tarjeta GeForce RTX 5090 D V2, sosteniendo 24 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 14.0 GB y generando aproximadamente 47.3 tokens por segundo. El ajuste es cómodo.

Mistral NeMo— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

Mistral NeMo— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 12B. 12b. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

Mistral NeMo— ¿Quién lo creó?

Fue publicado por Mistral AI, basado en France, una organización categorizada como industry.

Mistral NeMo— ¿cuándo fue lanzado?

Se publicó en July 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

Mistral NeMo— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Code generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

Mistral NeMo— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización mistralai. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

Mistral NeMo— ¿Puedo ejecutarlo si no cabe en mi GPU?

Solo al descargar, lo cual suele ser una falsa economía: la parte mantenida en la memoria del sistema arrastra todo. El fallo más cercano que calculamos se queda corto por 3.1 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Mistral NeMo— ¿Correrían dos GPUS más rápido?

La capacidad se suma entre las tarjetas; el rendimiento no. El número de tarjetas que ya lo tienen por sí solas: 509. Así que una segunda tarjeta rara vez es la respuesta aquí.

Mistral NeMo— ¿Por qué difiere la cuantificación entre tarjetas?

Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Mistral NeMo— ¿Qué tan precisas son estas estimaciones de velocidad?

Se calculan a partir de especificaciones en lugar de ser medidas, y cada una tiene un rango. Un ejemplo: 240–339 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

Mistral NeMo— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Xeon Phi 5110P, con una capacidad de memoria de 8 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 7.1 GB, y produce aproximadamente 19.8 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 509.

Mistral NeMo— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 282 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 455.

Mistral NeMo— ¿Cuánta VRAM necesita?

Necesita aproximadamente 7.1 GB a una compresión de Q3_K_M, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

Mistral NeMo— ¿Puedo ejecutarlo en una GPU que tiene? 8 GB?

Sí. La tarjeta CMP 170HX 8 GB, sosteniendo 8 GB, lo ejecuta a una compresión de Q3_K_M, usando alrededor 7.1 GB y generando aproximadamente 142 tokens por segundo. El ajuste es ajustado.

Mistral NeMo— ¿Puedo ejecutarlo en una GPU que tiene? 12 GB?

Sí. La tarjeta GeForce RTX 3080 Ti, sosteniendo 12 GB, lo ejecuta a una compresión de Q5_K_M, usando alrededor 9.9 GB y generando aproximadamente 57.5 tokens por segundo. El ajuste es ajustado.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA