Codestral Mamba TPS-rekenmachine

Open gewichten Mistral AI 7.3B parameters July 2024

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

589 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Tesla K20c

5 GB · Q3_K_M · 27.7 tok/s

Snelste kaart

B200

465 tok/s · 180 GB

Welke GPU's kunnen draaien Codestral Mamba?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

589 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
465 tok/s 279–744 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.5 GB	Q8_0	Comfortabel
465 tok/s 279–744 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.5 GB	Q8_0	Comfortabel
371 tok/s 223–594 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.5 GB	Q8_0	Comfortabel
371 tok/s 223–594 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.5 GB	Q8_0	Comfortabel
297 tok/s 178–475 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.5 GB	Q8_0	Comfortabel
284 tok/s 171–455 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.5 GB	Q8_0	Comfortabel
284 tok/s 171–455 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.5 GB	Q8_0	Comfortabel
272 tok/s 163–435 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.5 GB	Q8_0	Comfortabel
241 tok/s 145–386 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.5 GB	Q8_0	Comfortabel
241 tok/s 145–386 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.5 GB	Q8_0	Comfortabel
241 tok/s 145–386 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.5 GB	Q8_0	Comfortabel
229 tok/s 137–366 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.5 GB	Q8_0	Comfortabel
195 tok/s 117–313 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Comfortabel
195 tok/s 117–313 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.5 GB	Q8_0	Comfortabel
195 tok/s 117–313 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Comfortabel
195 tok/s 117–313 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Comfortabel
195 tok/s 117–313 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Comfortabel
149 tok/s 89–238 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.5 GB	Q8_0	Comfortabel
149 tok/s 89–238 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.5 GB	Q8_0	Comfortabel
126 tok/s 76–201 · lage vertrouwen	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.8 GB	Q6_K	Krap
124 tok/s 74–198 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.5 GB	Q8_0	Comfortabel
121 tok/s 73–194 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.5 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.5 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.5 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.5 GB	Q8_0	Comfortabel

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Mistral AI
Organisatietype: Industry
Land: France
Gepubliceerd: 16 July 2024
Auteurs: 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 …

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Language
Taak: Code generation, Code autocompletion

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 7.3B
Training gegevens: tokens

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (unrestricted)
Training code: Unreleased
Hugging Face: mistralai

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Record vertrouwen: Confident

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: As a tribute to Cleopatra, whose glorious destiny ended in tragic snake circumstances, we are proud to release Codestral Mamba, a Mamba2 language model specialised in code generation, available under an Apache 2.0 license.
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Codestral Mamba

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien Codestral Mamba

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

Wat nodig is om dit model te draaien

Minimum kaart

Tesla K20c

Geheugen nodig

4.3 GB

Snelste

465 tok/s

Codestral Mamba bereikt een parameter telling van 7.3B. Dat is klein genoeg zodat hardware zelden de obstakel is, inclusief op kaarten van enkele jaren oud. Het aantal kaarten dat we volgen die het kunnen draaien: 589.

De kleinste kaart die het vasthoudt is Tesla K20c, met een geheugen capaciteit van 5 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 27.7 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 465 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Codestral Mamba werd gepubliceerd door Mistral AI, in het land geregistreerd als France, tijdens July 2024. De publicerende organisatie is geclassificeerd als industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van code generation, Code autocompletion.

Het feit dat de gewichten open zijn, is wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden. Op Hugging Face is het gepubliceerd onder de organisatie mistralai.

Hoe snel het draait, en waarom

De mediaanresultaat is rond 25.1 tokens per second. Outright de leessnelheid overschrijden. 559 van hen

Doordat het dicht is, leest het alles per token, wat de reden is waarom de volgorde op snelheid hieronder zo nauwkeurig de volgorde op geheugendebandbreedte volgt.

De interne architectuur is niet gedocumenteerd, dus het geheugen wordt geschat op basis van het aantal parameters en dienovereenkomstig gemarkeerd. Verwacht dat de werkelijke waarde verschilt, vooral bij lange context.

Stap voor stap

Hoe een GPU te kiezen voor Codestral Mamba

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Begin vanuit de geheugen kolom

De tabel vermeldt elke kaart die in staat is om te bevatten. Codestral Mamba, ongeveer nodig 4.3 GB bij een compressie van Q3_K_M. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
02

Stel de contextlengte in waarmee je gaat werken

Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. Codestral Mamba.
03

Kies hoe ver je het wilt comprimeren

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van Q3_K_M op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Vergelijk tokens per seconde, niet specificaties

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Codestral Mamba. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 465 tok/s
05

Lees de passen kolom laatst

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Codestral Mamba. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Open de kaart die je hebt gekozen.

Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast Codestral Mamba.

Antwoorden

Codestral Mamba — veelgestelde vragen

Codestral Mamba— hoeveel parameters heeft het?

Het heeft een parameter telling van 7.3B. "This is an instructed model, with 7,285,403,648 parameters.". Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

Codestral Mamba— wie heeft het gemaakt?

Het werd gepubliceerd door Mistral AI, gebaseerd op France, een organisatie geclassificeerd als industry.

Codestral Mamba— wanneer is het uitgebracht?

Het werd gepubliceerd in July 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

Codestral Mamba— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van code generation, Code autocompletion. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

Codestral Mamba— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie mistralai. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Codestral Mamba— kan ik het draaien als het niet in mijn GPU past?

Alleen door af te laden, wat meestal een valse economie is: het deel dat in systeemgeheugen wordt vastgehouden, houdt het hele ding tegen. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 1.5 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Codestral Mamba— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 589. Dus een tweede card is zelden het antwoord hier.

Codestral Mamba— waarom verschilt de quantisatie tussen kaarten?

Een grotere CARD houdt een nauwkeuriger kopie. Het aantal compressieniveaus dat gebruikt wordt op de CARDS die het draaien: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Codestral Mamba— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 279–744 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Codestral Mamba— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Tesla K20c, met een geheugen capaciteit van 5 GB. Het draait het model op een compressie van Q3_K_M ongeveer 4.3 GB, en produceert ongeveer 27.7 tokens per second. Het aantal kaarten dat het totaal kan draaien: 589.

Codestral Mamba— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 465 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 559.

Codestral Mamba— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 4.3 GB bij een compressie van Q3_K_M, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

Codestral Mamba— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q6_K, ongeveer 6.8 GB en genereren ongeveer 126 tokens per second. De pasvorm is krap.

Codestral Mamba— kan ik het draaien op een GPU met 12 GB?

Ja. De GPU kaart GeForce RTX 3080 Ti, houden 12 GB, draait het met een compressie van Q8_0, ongeveer 8.5 GB en genereren ongeveer 53.0 tokens per second. De fit is comfortabel.

Codestral Mamba— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van Q8_0, ongeveer 8.5 GB en genereren ongeveer 65.7 tokens per second. De fit is comfortabel.

Codestral Mamba— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q8_0, ongeveer 8.5 GB en genereren ongeveer 77.9 tokens per second. De fit is comfortabel.

Codestral Mamba— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen