Codestral calcolatore TPS

Apri i pesi Mistral AI 22.2B parametri May 2024

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

241 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Xeon Phi 7120P

16 GB · Q4_K_M · 10.1 tok/s

Scheda più veloce

B200

153 tok/s · 180 GB

Quali GPU possono eseguire Codestral?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

241 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
153 tok/s 92–244 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	24.5 GB	Q8_0	Comodo
153 tok/s 92–244 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	24.5 GB	Q8_0	Comodo
122 tok/s 73–195 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	24.5 GB	Q8_0	Comodo
122 tok/s 73–195 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	24.5 GB	Q8_0	Comodo
97.5 tok/s 58–156 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	24.5 GB	Q8_0	Comodo
93.3 tok/s 56–149 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	24.5 GB	Q8_0	Comodo
93.3 tok/s 56–149 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	24.5 GB	Q8_0	Comodo
89.3 tok/s 54–143 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	24.5 GB	Q8_0	Comodo
79.2 tok/s 48–127 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	24.5 GB	Q8_0	Comodo
79.2 tok/s 48–127 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	24.5 GB	Q8_0	Comodo
79.2 tok/s 48–127 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	24.5 GB	Q8_0	Comodo
75.2 tok/s 45–120 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	24.5 GB	Q8_0	Comodo
64.1 tok/s 38–103 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	24.5 GB	Q8_0	Comodo
64.1 tok/s 38–103 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	24.5 GB	Q8_0	Comodo
64.1 tok/s 38–103 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	24.5 GB	Q8_0	Comodo
64.1 tok/s 38–103 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	24.5 GB	Q8_0	Comodo
64.1 tok/s 38–103 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	24.5 GB	Q8_0	Comodo
49.8 tok/s 30–80 · bassa fiducia	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	14.1 GB	Q4_K_M	Stretto
48.8 tok/s 29–78 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	24.5 GB	Q8_0	Comodo
48.8 tok/s 29–78 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	24.5 GB	Q8_0	Comodo
42.3 tok/s 25–68 · bassa fiducia	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	14.1 GB	Q4_K_M	Stretto
40.7 tok/s 24–65 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	24.5 GB	Q8_0	Comodo
39.8 tok/s 24–64 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	24.5 GB	Q8_0	Comodo
39.5 tok/s 24–63 · bassa fiducia	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	14.1 GB	Q4_K_M	Stretto
39.5 tok/s 24–63 · bassa fiducia	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	14.1 GB	Q4_K_M	Stretto

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Mistral AI
Tipo di organizzazione: Industry
Paese: France
Pubblicato: 29 May 2024
Autori: Albert Jiang, Alexandre Sablayrolles, Alexis Tacnet, Antoine Roux, Arthur Mensch, Audrey Herblin-Stoop, Baptiste Bout, Baudouin de Monicault, Blanche Savary, Bam4d, Caroline Feldman, Devendra Singh Chaplot, Diego de las Casas, Eleonore Arcelin, Emma Bou Hanna, Etienne Metzger, Gianna Lengyel, Guillaume Bour, Guillaume Lample, Harizo Rajaona, Henri Roussez, Jean-Malo Delignon, Jia Li, Justus Murke,…

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Language
Compito: Code generation, Code autocompletion

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 22.2B
Dati di addestramento: tokens

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (non-commercial)
Codice di addestramento: Unreleased
Hugging Face: mistralai

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Probabilmente sopra 10²³ FLOP: Yes
Record fiducia: Confident

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: Empowering developers and democratising coding with Mistral AI.
Ultimo aggiornamento: 19 June 2026

Gli estremi

Le dieci GPU più veloci che eseguono Codestral

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano Codestral

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Cosa ti serve per eseguirlo

Scheda minima

Xeon Phi 7120P

Memoria necessaria

14.1 GB

Più veloce

153 tok/s

Codestral raggiunge un conteggio di parametri di 22.2B. Questo rientra nell'intervallo che una seria GPU DESKTOP può gestire una volta compressi i pesi. Il numero di GPU che monitoriamo che possono eseguirlo: 241.

L'hardware minimo che funziona è Xeon Phi 7120P, con una capacità di memoria di 16 GB, eseguendolo a una compressione di Q4_K_M e producendo circa 10.1 token al secondo

Top di gamma è B200, generando approssimativamente 153 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

Codestral è stato pubblicato da Mistral AI, nel paese registrato come France, durante May 2024. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di code generation, Code autocompletion.

I pesi pubblicati significano che il modello gira sulla tua macchina piuttosto che su quella di qualcun altro, il che rende la domanda sull'hardware qui sotto rispondibile. Su Hugging Face è pubblicato sotto l'organizzazione mistralai.

Leggendo i dati di throughput

Il risultato mediano è attorno 19.7 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 194 di loro

È un modello denso, quindi ogni parametro viene letto per ogni token prodotto. Questo rende la pista di velocità la larghezza di banda della memoria quasi esattamente — una CARD con il doppio della larghezza di banda genera approssimativamente il doppio della velocità.

La sua architettura interna non è in archivio, quindi la memoria è approssimata dal conteggio dei parametri e contrassegnata di conseguenza. Aspettatevi che la cifra reale differisca, soprattutto con contesti lunghi.

Passo dopo passo

Come scegliere una GPU per Codestral

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Leggi prima il numero di VRAM

La tabella elenca ogni card in grado di contenere Codestral, avere bisogno di circa 14.1 GB a una compressione di Q4_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Decidi quanto a lungo durano le tue conversazioni

Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per Codestral.
03

Decidi quanto spazio di compressione accetterai

La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza., raggiungendo una compressione di Q4_K_M sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Ordina per velocità

Ordina per velocità per vedere come si classificano le schede per Codestral. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 153 tok/s
05

Leggi l'ultima colonna di fit

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di Codestral. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Apri la scheda su cui ti sei deciso.

Ogni pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a Codestral.

Risposte

Codestral — domande comuni

Codestral— due GPU lo farebbero andare più veloce?

La capacità si somma tra le schede; il throughput no. Il numero di schede che già la possiedono da sole: 241. Quindi una seconda CARD è raramente la risposta qui.

Codestral— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Codestral— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 92–244 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

Codestral— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Xeon Phi 7120P, con una capacità di memoria di 16 GB. Esegui il modello a una compressione di Q4_K_M utilizzando circa 14.1 GB, e produce approssimativamente 10.1 token al secondo. Il numero di card in grado di eseguirlo in totale: 241.

Codestral— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 153 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 194.

Codestral— quanta VRAM serve?

Ha bisogno di 14.1 GB a una compressione di Q4_K_M, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

Codestral— posso eseguirlo su una GPU holding 16 GB?

Sì. La scheda Tesla V100 SXM2 16 GB, tenere 16 GB, lo esegue a una compressione di Q4_K_M, utilizzando circa 14.1 GB e generando approssimativamente 49.8 token al secondo. Il fit è stretto.

Codestral— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q6_K, utilizzando circa 19.3 GB e generando approssimativamente 37.1 token al secondo. Il fit è stretto.

Codestral— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

Codestral— quanti parametri ha?

Ha un numero di parametri di 22.2B. 22.2B from hugging face model card. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

Codestral— chi l'ha creato?

È stato pubblicato da Mistral AI, basato su France, un'organizzazione categorizzata come industry.

Codestral— quando è stato rilasciato?

È stato pubblicato in May 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.

Codestral— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di code generation, Code autocompletion. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

Codestral— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione mistralai. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

Codestral— posso eseguirlo se non si adatta nella mia GPU?

Può essere diviso tra la scheda e la memoria di sistema, ma genera dolorosamente lentamente in quel modo. La più vicina mancata che calcoliamo risulta insufficiente di 3.3 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 19 June 2026

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI