Codestral Mamba kalkulator TPS

Otwórz wagi Mistral AI 7.3B parametry July 2024

Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość jest oszacowaniem dla pojedynczego żądania, obliczonym na podstawie przepustowości pamięci karty i rozmiaru modelu po skompresowaniu..

Obliczone dla tego modelu

589 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla K20c

5 GB · Q3_K_M · 27.7 tok/s

Najszybsza karta

B200

465 tok/s · 180 GB

Które GPU mogą uruchomić Codestral Mamba?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..

Minimalna jakość

Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..

Szukaj kart

Pamięć karty

Pokaż również karty, które nie mogą tego uruchomić.

589 karty pasują

Obliczanie

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

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja: Mistral AI
Typ organizacji: Industry
Kraj: France
Opublikowany: 16 July 2024
Autorzy: 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 …

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena: Language
Zadanie: Code generation, Code autocompletion

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry: 7.3B
Dane treningowe: tokens

Dostępność

Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.

Wagi: Open — downloadable
Dostęp do modelu: Open weights (unrestricted)
Kod treningowy: Unreleased
Hugging Face: mistralai

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: 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.
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Codestral Mamba

Uszeregowany według szacowanej liczby tokenów na sekundę, najnowsza karta na pierwszym miejscu, gdy prędkości są równe. Ponieważ generacja jest ograniczona przez pamięć, to uporządkowanie podąża za przepustowością, a nie za jakimkolwiek benchmarkiem gier..

Najmniejsze GPU, które nadal działają Codestral Mamba

Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..

Co oznaczają liczby

Co jest potrzebne, aby uruchomić ten model

Minimalna karta

Tesla K20c

Pamięć potrzebna

4.3 GB

Najszybszy

465 tok/s

Codestral Mamba osiąga liczbę parametrów równą 7.3B. To jest na tyle małe, że sprzęt rzadko stanowi przeszkodę, w tym na kartach sprzed kilku lat. Liczba kart, które śledzimy, które mogą go uruchomić: 589.

Najmniejsza karta, która to utrzymuje, to Tesla K20c, o pojemności pamięci 5 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 27.7 tokeny na sekundę

Najwyższa półka to B200, generowanie w przybliżeniu 465 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

Codestral Mamba został opublikowany przez Mistral AI, w kraju zapisanym jako France, podczas July 2024. Organizacja publikująca jest klasyfikowana jako industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie code generation, Code autocompletion.

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć. Na Hugging Face jest opublikowane pod organizacją mistralai.

Jak szybko działa i dlaczego

Mediana wyniku wynosi około 25.1 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 559 ich

Będąc gęstym, odczytuje każdą swoją część po tokenie, dlatego poniższe uporządkowanie według szybkości tak ściśle pokrywa się z uporządkowaniem według przepustowości pamięci.

Jej architektura wewnętrzna nie jest w naszej bazie danych, więc pamięć jest szacowana na podstawie liczby parametrów i odpowiednio oznaczona. Spodziewaj się, że rzeczywista wartość będzie się różnić, tym bardziej przy długim context length.

Krok po kroku

Jak wybrać GPU do Codestral Mamba

Tabela powyżej oceniła już każdą kartę, dla której posiadamy specyfikacje, w stosunku do tego modelu. Dotarcie do odpowiedzi wymaga sześciu kroków..

01

Zacznij od kolumny pamięci

Tabela zawiera każdą kartę, która jest w stanie pomieścić Codestral Mamba, potrzebując około 4.3 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Ustaw długość kontekstu, z którą będziesz pracować

Ustaw kontekst na to, co naprawdę użyjesz. Cache rośnie wraz z rozmową i jest to zwykle powód, dla którego karta, która wydawała się w porządku, przestaje pasować. Codestral Mamba.
03

Wybierz, jak daleko chcesz to skompresować.

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., osiągnięcie kompresji Q3_K_M na najmniejszej karcie, która się mieści. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.
04

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla Codestral Mamba. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 465 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku Codestral Mamba. Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.
06

Otwórz kartę, na którą się zdecydowałeś

Każda strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza Codestral Mamba.

Odpowiedzi

Codestral Mamba — częste pytania

Codestral Mamba— ile ma parametrów?

Ma liczbę parametrów równą 7.3B. "This is an instructed model, with 7,285,403,648 parameters.". Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

Codestral Mamba— kto to stworzył?

Zostało opublikowane przez Mistral AI, oparty na France, organizacja sklasyfikowana jako industry.

Codestral Mamba— kiedy to zostało wydane?

Zostało opublikowane w July 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

Codestral Mamba— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie code generation, Code autocompletion. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

Codestral Mamba— Gdzie mogę to pobrać?

Jego wagi są publikowane na Hugging Face, pod organizacją mistralai. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.

Codestral Mamba— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Tylko przez odciążenie, co zwykle jest fałszywą oszczędnością: część trzymana w pamięci systemowej spowalnia cały proces. Najbliższy brak, który obliczamy, jest za mały o 1.5 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Codestral Mamba— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 589. Więc druga karta rzadko jest odpowiedzią tutaj.

Codestral Mamba— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Codestral Mamba— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 279–744 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Codestral Mamba— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla K20c, o pojemności pamięci 5 GB. Uruchamia model przy kompresji Q3_K_M używając około 4.3 GB, i produkuje w przybliżeniu 27.7 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 589.

Codestral Mamba— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 465 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 559.

Codestral Mamba— Ile VRAM-u potrzebuje?

Potrzebuje około 4.3 GB przy kompresji Q3_K_M, który jest najmniejszą kartą, która to uruchamia. Mniej kompresji potrzebuje więcej: liczby w kolumnie pamięci powyżej są przeliczane dla każdej karty, ponieważ każda z nich trzyma wersję o najmniejszej kompresji, jaką może.

Codestral Mamba— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q6_K, używając około 6.8 GB i generując w przybliżeniu 126 tokenów na sekundę. Dopasowanie jest ciasne.

Codestral Mamba— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q8_0, używając około 8.5 GB i generując w przybliżeniu 53.0 tokenów na sekundę. Dopasowanie jest komfortowe.

Codestral Mamba— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji Q8_0, używając około 8.5 GB i generując w przybliżeniu 65.7 tokenów na sekundę. Dopasowanie jest komfortowe.

Codestral Mamba— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q8_0, używając około 8.5 GB i generując w przybliżeniu 77.9 tokenów na sekundę. Dopasowanie jest komfortowe.

Codestral Mamba— czy jest open weight?

Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 November 2025

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.

Wszystkie modele AI