Dowody: wyniki benchmarków podane przez dostawcę
Leanstral 1.5 119B-A6B — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Agent dowodów w Lean 4: 119B parametrów, 6B aktywnych na token (128 ekspertów, 4 aktywnych) i kontekst 256K, z czego Mistral zaleca używać najwyżej 200K. Pisze i naprawia dowody formalne; nie jest ogólnym modelem czatu. Apache-2.0, wagi FP8 na Hugging Face.
Leanstral 1.5 119B-A6B potrzebuje około 73 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 40.1 GB | ~30 tok/s | Częściowo w RAM | |
| Q3_K_M 3.41 bpw | 51.7 GB | ~26 tok/s | Częściowo w RAM | |
| Q4_K_M 4.83 bpw | 72.8 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 85.3 GB | — | Za duży | |
| Q6_K 6.56 bpw | 98.6 GB | — | Za duży | |
| Q8_0 8.50 bpw | 127.4 GB | — | Za duży | |
| F16 16.00 bpw | 239 GB | — | Za duży |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Leanstral 1.5 119B-A6B →
Uruchom Leanstral 1.5 119B-A6B
Najtańsze GPU z naszego katalogu, które uruchomi Leanstral 1.5 119B-A6B, to NVIDIA DGX Spark (128 GB).
lub porównaj w Vast.ai od $0.77/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Leanstral 1.5 119B-A6B
No Ollama tag. Mistral's card documents vLLM; its hosted API was retired on 30 September 2026.
Specyfikacja
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- Parametry
- 119 Billion (6B active)
- Okno kontekstu
- 262,144
- Architektura
- Mixture-of-Experts (128 experts, 4 active), MLA
- Dostawca
- Mistral AI
- Licencja
- Apache-2.0
- Practical deployment
- Workstation (large unified memory or pro GPU)
- Określono przy
- Q4_K_M
- RAM systemowy
- 128 GB
- Rekord zaktualizowany
- 2026-11-03
Commercial use permitted. No usage restrictions beyond attribution.
Ograniczenia i zastrzeżenia
- Mistral retired Leanstral's hosted API on 30 September 2026; the open weights are now the only way to use it.
- A Lean 4 specialist, kept out of general coding rankings on purpose.
Zobacz też Mistral Small 4 119B-A6.5B
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Leanstral 1.5 119B-A6B — najczęściej zadawane pytania
How much VRAM does Leanstral 1.5 119B-A6B need?
About 73 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Leanstral 1.5 119B-A6B run on an RTX 4090 (24 GB)?
No. Leanstral 1.5 119B-A6B needs about 73 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Leanstral 1.5 119B-A6B locally?
No Ollama tag. Mistral's card documents vLLM; its hosted API was retired on 30 September 2026. Running the published tag would send your prompts to a hosted GPU rather than your own machine.