Mistral Small 3.1 calcolatore TPS

Apri i pesi Mistral AI 24B parametri March 2025

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 · IQ4_XS · 9.9 tok/s

Scheda più veloce

B200

141 tok/s · 180 GB

Quali GPU possono eseguire Mistral Small 3.1?

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
141 tok/s 120–169	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	26.1 GB	Q8_0	Comodo
141 tok/s 120–169	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	26.1 GB	Q8_0	Comodo
113 tok/s 68–180 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	26.1 GB	Q8_0	Comodo
113 tok/s 68–180 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	26.1 GB	Q8_0	Comodo
90.2 tok/s 54–144 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	26.1 GB	Q8_0	Comodo
86.3 tok/s 73–104	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	26.1 GB	Q8_0	Comodo
86.3 tok/s 73–104	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	26.1 GB	Q8_0	Comodo
82.6 tok/s 50–132 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	26.1 GB	Q8_0	Comodo
73.3 tok/s 44–117 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	26.1 GB	Q8_0	Comodo
73.3 tok/s 44–117 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	26.1 GB	Q8_0	Comodo
73.3 tok/s 44–117 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	26.1 GB	Q8_0	Comodo
69.5 tok/s 59–83	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	26.1 GB	Q8_0	Comodo
59.3 tok/s 50–71	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	26.1 GB	Q8_0	Comodo
59.3 tok/s 50–71	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	26.1 GB	Q8_0	Comodo
59.3 tok/s 50–71	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	26.1 GB	Q8_0	Comodo
59.3 tok/s 50–71	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	26.1 GB	Q8_0	Comodo
59.3 tok/s 50–71	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	26.1 GB	Q8_0	Comodo
49.0 tok/s 42–59	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.6 GB	IQ4_XS	Stretto
45.2 tok/s 27–72 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	26.1 GB	Q8_0	Comodo
45.2 tok/s 27–72 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	26.1 GB	Q8_0	Comodo
41.6 tok/s 35–50	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.6 GB	IQ4_XS	Stretto
38.9 tok/s 33–47	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.6 GB	IQ4_XS	Stretto
38.9 tok/s 33–47	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.6 GB	IQ4_XS	Stretto
38.9 tok/s 33–47	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.6 GB	IQ4_XS	Stretto
38.8 tok/s 33–47	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.6 GB	IQ4_XS	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: 17 March 2025

Cosa fa

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

Dominio: Language, Vision, Multimodal
Compito: Language modeling/generation, Question answering, Quantitative reasoning, Code generation, Translation, Visual question answering, Character recognition (OCR)
Modello di base: Mistral Small 3

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: 24B
Dati di addestramento: tokens

Calcolo di addestramento

L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.

Come è stato stabilito: Comparison with other models

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 (unrestricted)
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.

Record fiducia: Confident

Fonti

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

Riferimento: Mistral Small 3.1: the best model in its weight class.
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Mistral Small 3.1

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 Mistral Small 3.1

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

13.6 GB

Più veloce

141 tok/s

Mistral Small 3.1 raggiunge un conteggio di parametri di 24B. 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 IQ4_XS e producendo circa 9.9 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 141 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Mistral Small 3.1 è stato pubblicato da Mistral AI, nel paese registrato come France, durante March 2025. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Language, Vision, Multimodal, ed è registrato come eseguire il compito di language modeling/generation, Question answering, Quantitative reasoning, Code generation, Translation, Visual question answering, Character recognition (OCR).

Invece di essere addestrato da zero, è derivato da Mistral Small 3. Quello è il modo abituale in cui viene prodotto un modello specializzato.

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.

Quanto è veloce nel funzionare e perché

Il risultato mediano è attorno 19.4 token al secondo 192 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.

Il suo layout di attenzione è in our database, quindi le cifre di VRAM sono calcolate esattamente piuttosto che approssimate.

Passo dopo passo

Come scegliere una GPU per Mistral Small 3.1

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

Controlla cosa serve prima di ogni altra cosa

La tabella elenca ogni card in grado di contenere Mistral Small 3.1, avere bisogno di circa 13.6 GB a una compressione di IQ4_XS. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
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 Mistral Small 3.1.
03

Imposta un pavimento di qualità

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 IQ4_XS 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

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per Mistral Small 3.1. 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 141 tok/s
05

Leggi l'ultima colonna di fit

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Mistral Small 3.1. 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

Vedi cos'altro che questa card esegue

Ogni nome di scheda è collegato alla propria pagina, che esegue lo stesso calcolo su tutto il catalogo dei modelli. Una scheda è solitamente acquistata per più di un modello, quindi vale la pena dare un'occhiata prima di acquistare. Mistral Small 3.1.

Risposte

Mistral Small 3.1 — domande comuni

Mistral Small 3.1— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 141 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: 192.

Mistral Small 3.1— quanta VRAM serve?

Ha bisogno di 13.6 GB a una compressione di IQ4_XS, 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.

Mistral Small 3.1— 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 IQ4_XS, utilizzando circa 13.6 GB e generando approssimativamente 49.0 token al secondo. Il fit è stretto.

Mistral Small 3.1— 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 20.6 GB e generando approssimativamente 34.4 token al secondo. Il fit è stretto.

Mistral Small 3.1— 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.

Mistral Small 3.1— quanti parametri ha?

Ha un numero di parametri di 24B. 24B. 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.

Mistral Small 3.1— chi l'ha creato?

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

Mistral Small 3.1— quando è stato rilasciato?

È stato pubblicato in March 2025.

Mistral Small 3.1— A cosa serve?

Funziona nel dominio di Language, Vision, Multimodal, e viene registrato come gestire il compito di language modeling/generation, Question answering, Quantitative reasoning, Code generation, Translation, Visual question answering, Character recognition (OCR). Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.

Mistral Small 3.1— 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.

Mistral Small 3.1— posso eseguirlo se non si adatta nella mia GPU?

Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. La più vicina mancata che calcoliamo risulta insufficiente di 4.2 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Mistral Small 3.1— 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.

Mistral Small 3.1— 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.

Mistral Small 3.1— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 120–169 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.

Mistral Small 3.1— 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 IQ4_XS utilizzando circa 13.6 GB, e produce approssimativamente 9.9 token al secondo. Il numero di card in grado di eseguirlo in totale: 241.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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