Mistral Large 4 — lokalny model AI od Mistral AI
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Flagowy model Mistrala z otwartymi wagami, opublikowanymi 29 października 2026 po trzech tygodniach podglądu dostępnego tylko przez API: mixture-of-experts z około 1 bilionem parametrów łącznie i 52B aktywnych na token, kontekstem 1M tokenów i wejściem obrazowym. Każdy ekspert musi być w pamięci, więc do samodzielnego hostowania to model dla centrum danych; jedyna trasa na jednej maszynie to 2-bitowy GGUF na 512 GB pamięci zunifikowanej.
Warianty
Najmniejszy wariant Mistral Large 4 potrzebuje około 636 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Mistral Large 4 1T-A52B → 1T (52B active) | ~635.6 GB | 1,048,576 | tag hostowany w chmurze |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Mistral Large 4 lokalnie
Zainstaluj Ollama, a potem pobierz tag.
Ollama lists Mistral Large 4 only as the cloud tag mistral-large-4:cloud, which runs on Ollama's servers, not your machine. Locally, use llama.cpp (mainline since 29 October 2026) with the ggml-org GGUFs, or vLLM / SGLang on a multi-GPU server.
Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
Dotyczy: Mistral Large 4 1T-A52BMistral Large 4 — najczęściej zadawane pytania
How much VRAM does Mistral Large 4 need?
Mistral Large 4 needs about 636 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Mistral Large 4 1T-A52B (636 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Mistral Large 4 on an RTX 4090 (24 GB)?
Mistral Large 4's smallest variant needs about 636 GB, which exceeds a single RTX 4090 (24 GB). Use multiple GPUs, a higher-VRAM card, or Apple Silicon with large unified memory.
What quantization should I use for Mistral Large 4?
Q4_K_M is the best balance of quality and VRAM for Mistral Large 4 in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run Mistral Large 4 with Ollama?
Mistral Large 4 has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.