Codestral 22B — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
The best local model for IDE integration. Trained on 80+ programming languages with Fill-In-Middle support for autocomplete. Use with continue.dev or Cursor for production-grade code assistance. Fits in 16GB VRAM.
Codestral 22B 在 Q4_K_M 下约需 14 GB 显存——量化权重加框架开销，不含 KV 缓存。在 Apple Silicon 上，这部分来自统一内存。
按量化级别的显存与速度
计算基准：NVIDIA RTX 4090 (24 GB)。包含 8K 上下文的 KV 缓存，因此数值高于上方的主数字。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 10 GB | ~76 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 12.1 GB | ~62 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 16.1 GB | ~47 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 18.4 GB | ~41 tok/s | 可运行 | |
| Q6_K 6.56 bpw | 20.9 GB | ~36 tok/s | 可运行 | |
| Q8_0 8.50 bpw | 26.3 GB | ~4 tok/s | 需卸载 | |
| F16 16.00 bpw | 47.1 GB | ~2 tok/s | 需卸载 |
黑色标记 = NVIDIA RTX 4090 (24 GB) 上的可用显存。 估算来自内存带宽屋顶线模型，详见 方法说明页. Codestral 22B 显存计算器 →
运行 Codestral 22B
目录中能运行 Codestral 22B 的最便宜 GPU 是 AMD Radeon RX 9060 XT 16GB (16 GB).
或在 Vast.ai 比较，低至 $0.35/小时 (typical low · varies)
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
如何运行 Codestral 22B
安装 Ollama，然后运行：
ollama run codestral:22b规格
Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.
- 参数量
- 22 Billion
- 上下文窗口
- 32,768
- 架构
- Dense
- 提供商
- Mistral AI
- 许可证
- MNPL (Non-Commercial)
- Practical deployment
- Laptop
- 规格量化
- Q4_K_M
- 系统内存
- 24 GB
- 记录更新于
- 2024-05-29
Research / non-commercial only — this licence does NOT permit shipping a commercial product.
质量与使用场景
评分由模型作者或独立评测方发布——衡量质量而非吞吐量，并非我们实测。
我的 GPU 能运行 Codestral 22B 吗？
- Codestral 在 AMD Radeon RX 7800 XT 上
- Codestral 在 AMD Radeon RX 7900 XT 上
- Codestral 在 AMD Radeon RX 7900 XTX 上
- Codestral 在 AMD Radeon RX 9060 XT 16GB 上
- Codestral 在 AMD Radeon RX 9060 XT 8GB 上
- Codestral 在 AMD Radeon RX 9070 上
- Codestral 在 AMD Radeon RX 9070 XT 上
- Codestral 在 Apple M1 上
- Codestral 在 Apple M1 Pro 上
- Codestral 在 Apple M2 上
- Codestral 在 Apple M2 Pro 上
- Codestral 在 Apple M3 上
- Codestral 在 Apple M4 上
- Codestral 在 Apple M4 Pro 上
- Codestral 在 Apple M5 上
- Codestral 在 Intel Arc B570 上
- Codestral 在 Intel Arc B580 上
- Codestral 在 NVIDIA GeForce RTX 3060 (12GB) 上
- Codestral 在 NVIDIA GeForce RTX 3070 上
- Codestral 在 NVIDIA GeForce RTX 3070 Ti 上
- Codestral 在 NVIDIA GeForce RTX 3080 (10GB) 上
- Codestral 在 NVIDIA GeForce RTX 3090 上
- Codestral 在 NVIDIA GeForce RTX 4060 上
- Codestral 在 NVIDIA GeForce RTX 4060 Ti 16GB 上
- Codestral 在 NVIDIA GeForce RTX 4070 上
- Codestral 在 NVIDIA GeForce RTX 4070 Super 上
- Codestral 在 NVIDIA GeForce RTX 4070 Ti 上
- Codestral 在 NVIDIA GeForce RTX 4070 Ti Super 上
- Codestral 在 NVIDIA GeForce RTX 4080 上
- Codestral 在 NVIDIA GeForce RTX 4080 Super 上
- Codestral 在 NVIDIA GeForce RTX 4090 上
- Codestral 在 NVIDIA GeForce RTX 5060 上
- Codestral 在 NVIDIA GeForce RTX 5060 Ti 16GB 上
- Codestral 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- Codestral 在 NVIDIA GeForce RTX 5070 上
- Codestral 在 NVIDIA GeForce RTX 5070 Ti 上
- Codestral 在 NVIDIA GeForce RTX 5080 上
- Codestral 在 NVIDIA GeForce RTX 5090 上
Codestral 22B — 常见问题
How much VRAM does Codestral 22B need?
About 14 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 Codestral 22B run on an RTX 4090 (24 GB)?
Yes. Codestral 22B needs about 14 GB at Q4_K_M, inside a 24 GB card, at an estimated 47 tokens/sec.
How do I run Codestral 22B locally?
Install Ollama and run `ollama run codestral:22b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.