Pixtral 12B kalkulator TPS

Otwórz wagi Mistral AI 12.4B parametry September 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

509 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Xeon Phi 5110P

8 GB · Q3_K_M · 19.2 tok/s

Najszybsza karta

B200

273 tok/s · 180 GB

Które GPU mogą uruchomić Pixtral 12B?

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.

509 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
273 tok/s 164–437 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	14.0 GB	Q8_0	Wygodny
273 tok/s 164–437 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	14.0 GB	Q8_0	Wygodny
218 tok/s 131–349 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	14.0 GB	Q8_0	Wygodny
218 tok/s 131–349 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	14.0 GB	Q8_0	Wygodny
175 tok/s 105–279 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	14.0 GB	Q8_0	Wygodny
167 tok/s 100–267 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.0 GB	Q8_0	Wygodny
167 tok/s 100–267 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.0 GB	Q8_0	Wygodny
160 tok/s 96–256 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	14.0 GB	Q8_0	Wygodny
142 tok/s 85–227 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Wygodny
142 tok/s 85–227 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Wygodny
142 tok/s 85–227 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	14.0 GB	Q8_0	Wygodny
137 tok/s 82–220 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.8 GB	Q3_K_M	Wąski
135 tok/s 81–215 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	14.0 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.2 GB	Q4_K_M	Wąski
115 tok/s 69–184 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Wygodny
115 tok/s 69–184 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	14.0 GB	Q8_0	Wygodny
115 tok/s 69–184 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Wygodny
115 tok/s 69–184 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Wygodny
115 tok/s 69–184 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	14.0 GB	Q8_0	Wygodny
87.4 tok/s 52–140 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	14.0 GB	Q8_0	Wygodny
87.4 tok/s 52–140 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	14.0 GB	Q8_0	Wygodny
72.8 tok/s 44–117 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	14.0 GB	Q8_0	Wygodny
71.3 tok/s 43–114 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	14.0 GB	Q8_0	Wygodny
70.8 tok/s 42–113 · niska pewność	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	6.8 GB	Q3_K_M	Wąski
69.7 tok/s 42–111 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	14.0 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: 17 September 2024
Autorzy: Mistral AI Team

Co to robi

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

Domena: Vision, Language, Multimodal
Zadanie: Language modeling/generation, Question answering, Visual question answering, Code generation

Rozmiar

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

parametry: 12.4B
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

Jak jest klasyfikowane

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

Prawdopodobnie powyżej 10²³ FLOP: Yes
Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Pixtral 12B - the first-ever multimodal Mistral model. Apache 2.0.
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Pixtral 12B

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 Pixtral 12B

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

Xeon Phi 5110P

Pamięć potrzebna

6.8 GB

Najszybszy

273 tok/s

Pixtral 12B osiąga liczbę parametrów równą 12.4B. 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: 509.

Najmniejsza karta, która to utrzymuje, to Xeon Phi 5110P, o pojemności pamięci 8 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 19.2 tokeny na sekundę

Najwyższa półka to B200, generowanie w przybliżeniu 273 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

Pixtral 12B został opublikowany przez Mistral AI, w kraju zapisanym jako France, podczas September 2024. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Vision, Language, Multimodal, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Visual question answering, Code generation.

Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta.

Czytanie wskaźników przepustowości

Mediana wyniku wynosi około 20.6 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 453 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking przepustowości pamięci.

Bez układu uwagi na rekordzie, kolumna pamięci jest przybliżeniem. Jest wystarczająco bliska, aby wybrać sprzęt, i najmniej wiarygodna przy długim kontekście.

Krok po kroku

Jak wybrać GPU do Pixtral 12B

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

01

Przeczytaj najpierw liczbę pamięci

Tabela zawiera każdą kartę, która jest w stanie pomieścić Pixtral 12B, potrzebując około 6.8 GB przy kompresji Q3_K_M. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.
02

Ustaw długość kontekstu, z którą będziesz pracować

Dłuższe rozmowy kosztują pamięć oprócz tego, co potrzebują wagi. Przesuń suwak do swojej rzeczywistej długości roboczej przed zaufaniem jakiejkolwiek linii dla Pixtral 12B.
03

Wybierz, jak daleko chcesz to skompresować.

Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię., 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

Oceń według przepustowości, a nie kart specyfikacji

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. Pixtral 12B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 273 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Pixtral 12B. 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

Sprawdź kartę z drugiej strony

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Pixtral 12B.

Odpowiedzi

Pixtral 12B — częste pytania

Pixtral 12B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 273 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 453.

Pixtral 12B— Ile VRAM-u potrzebuje?

Potrzebuje około 6.8 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.

Pixtral 12B— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q3_K_M, używając około 6.8 GB i generując w przybliżeniu 137 tokenów na sekundę. Dopasowanie jest ciasne.

Pixtral 12B— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q5_K_M, używając około 9.6 GB i generując w przybliżeniu 55.7 tokenów na sekundę. Dopasowanie jest ciasne.

Pixtral 12B— 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 14.0 GB i generując w przybliżeniu 38.6 tokenów na sekundę. Dopasowanie jest ciasne.

Pixtral 12B— 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 14.0 GB i generując w przybliżeniu 45.8 tokenów na sekundę. Dopasowanie jest komfortowe.

Pixtral 12B— 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.

Pixtral 12B— ile ma parametrów?

Ma liczbę parametrów równą 12.4B. "New 400M parameter vision encoder trained from scratch" + "12B parameter multimodal decoder based on Mistral Nemo". 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.

Pixtral 12B— kto to stworzył?

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

Pixtral 12B— kiedy to zostało wydane?

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

Pixtral 12B— do czego to służy?

Działa w dziedzinie Vision, Language, Multimodal, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Visual question answering, Code generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Pixtral 12B— Gdzie mogę to pobrać?

Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.

Pixtral 12B— 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 2.8 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Pixtral 12B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 509. Więc druga karta rzadko jest odpowiedzią tutaj.

Pixtral 12B— dlaczego kwantyzacja różni się między kartami?

Ponieważ pojemność się różni, to również to, jak mocno musi być ściśnięta. Liczba wyróżniających się poziomów w tabeli powyżej: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Pixtral 12B— Jak dokładne są te szacunki prędkości?

Każda wartość pochodzi z przepustowości pamięci i rozmiaru modelu, a nie z testów porównawczych, dlatego każda jest publikowana jako zakres, a nie pojedyncza liczba. Jeden przykład: 164–437 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Pixtral 12B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Xeon Phi 5110P, o pojemności pamięci 8 GB. Uruchamia model przy kompresji Q3_K_M używając około 6.8 GB, i produkuje w przybliżeniu 19.2 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 509.

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