// Mistral / Magistral / Devstral · 全模态 / 语音对话
Voxtral-Small-24B-2507 本地部署与显存需求
24.3B 参数。4 位量化约 18.0 GB，BF16 约 55.2 GB（1 个 8K token 请求）。
发布 2025-07-01许可：可商用显存为估算值
01规格
| 发布方 | Mistral AI · mistralai |
|---|---|
| 系列 | Mistral / Magistral / Devstral · Voxtral-Small |
| 类型 | 全模态 / 语音对话 (audio-text-to-text) |
| 参数量 | 24.3B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 40 层 · GQA |
| 发布权重 | BF16 · 97.0 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-07-01 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 48.5 GB | 55.2 GB | 59.2 GB | 75.3 GB | 2 × RTX 5090（64GB） | Mac 128GB |
| FP8 / INT8 / Q8_0 | 25.8 GB | 30.2 GB | 34.2 GB | 50.3 GB | 2 × RTX 5090（64GB） | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 14.7 GB | 18.0 GB | 22.1 GB | 38.2 GB | RTX 4090 24GB | Mac 36GB |
每个请求的 KV 缓存：8K 1.3 GB · 32K 5.4 GB · 128K 21.5 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
mistralai 官方发布的 1 个仓库。
05Mistral / Magistral / Devstral 其他模型
全部 35 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| LIDstral-Arabic | — | — | 2026-10-08 |
| Voxtral-Mini-4B-Realtime-Arabic | 4.43B | 3.5 GB | 2026-10-08 |
| Shieldstral-1.0-3B | 3.85B | 3.9 GB | 2026-07-16 |
| Mistral-Medium-3.5-128B | 127.7B | 88.6 GB | 2026-03-31 |
| Mistral-Small-4-119B-2603 | 119B / 6.5B | 80.0 GB | 2026-01-23 |
| Voxtral-Mini-4B-Realtime-2602 | 4.43B | 3.5 GB | 2026-01-21 |
| Devstral-2-123B-Instruct-2512 | 125B | 86.8 GB | 2025-11-28 |
| Mistral-Large-3-675B-Instruct-2512 | 675B / 41B | 451 GB | 2025-11-28 |
06来源
数据核对于 2025-12-20。参数、上下文、许可取自官方仓库；显存为本站估算。