Mistral AI24B~15 GB VRAM przy Q4_K_M

Magistral Small 24B — VRAM, szybkość i lokalna konfiguracja

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 6 września 2026

24B dense reasoning model with image understanding, 128K context, Apache 2.0. Emits long reasoning traces before answering, so budget for the extra tokens. 15.3 GB at Q4_K_M leaves comfortable headroom on a 24 GB card — a genuine local reasoning model rather than a distilled approximation of one.

Magistral Small 24B potrzebuje około 15 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika88

Kreatywność78

Kod82

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	8.7 GB	~73 tok/s	Mieści się
Q3_K_M 3.41 bpw	11 GB	~59 tok/s	Mieści się
Q4_K_M 4.83 bpw	15.3 GB	~44 tok/s	Mieści się
Q5_K_M 5.67 bpw	17.8 GB	~39 tok/s	Mieści się
Q6_K 6.56 bpw	20.5 GB	~34 tok/s	Mieści się
Q8_0 8.50 bpw	26.3 GB	~4 tok/s	Częściowo w RAM
F16 16.00 bpw	48.8 GB	~2 tok/s	Częściowo w RAM

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Magistral Small 24B →

Uruchom Magistral Small 24B

Najtańsze GPU z naszego katalogu, które uruchomi Magistral Small 24B, to AMD Radeon RX 7900 XT (20 GB).

Kup ten sprzęt AMD Radeon RX 7900 XT 20GB — 20 GB VRAM · 315 W board power Uruchom w chmurze RTX 4090 w RunPod — od $0.34/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.35/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.

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.

AMD Radeon RX 7900 XT 20GB

20 GB VRAM · 315 W board power

Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Sprawdź cenę na Amazon

Jak uruchomić Magistral Small 24B

Zainstaluj Ollama, a potem uruchom:

$ollama run magistral:24b

Wagi na Hugging Face: mistralai/Magistral-Small-2509 ↗

Specyfikacja

Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.

Parametry: 24 Billion
Okno kontekstu: 131,072
Architektura: Dense Transformer (reasoning-tuned, vision)
Dostawca: Mistral AI
Licencja: Apache 2.0
Practical deployment: Single consumer GPU
Określono przy: Q4_K_M
RAM systemowy: 32 GB
Rekord zaktualizowany: 2026-09-06

LicencjaApache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy doreasoningmathcodingmultimodal

Czy uruchomię Magistral Small 24B na moim GPU?

Magistral Small 24B — najczęściej zadawane pytania

How much VRAM does Magistral Small 24B need?

About 15 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 Magistral Small 24B run on an RTX 4090 (24 GB)?

Yes. Magistral Small 24B needs about 15 GB at Q4_K_M, inside a 24 GB card, at an estimated 44 tokens/sec.

How do I run Magistral Small 24B locally?

Install Ollama and run `ollama run magistral:24b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.