Magistral Small 24B — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
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 在 Q4_K_M 下约需 15 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)。仅含权重与开销：该模型架构未公开，因此未计入 KV 缓存。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 8.7 GB | ~73 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 11 GB | ~59 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 15.3 GB | ~44 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 17.8 GB | ~39 tok/s | 可运行 | |
| Q6_K 6.56 bpw | 20.5 GB | ~34 tok/s | 可运行 | |
| Q8_0 8.50 bpw | 26.3 GB | ~4 tok/s | 需卸载 | |
| F16 16.00 bpw | 48.8 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. Magistral Small 24B 显存计算器 →
运行 Magistral Small 24B
目录中能运行 Magistral Small 24B 的最便宜 GPU 是 AMD Radeon RX 7900 XT (20 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 Magistral Small 24B
安装 Ollama，然后运行：
ollama run magistral:24b规格
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- 参数量
- 24 Billion
- 上下文窗口
- 131,072
- 架构
- Dense Transformer (reasoning-tuned, vision)
- 提供商
- Mistral AI
- 许可证
- Apache 2.0
- Practical deployment
- Single consumer GPU
- 规格量化
- Q4_K_M
- 系统内存
- 32 GB
- 记录更新于
- 2026-09-06
Commercial use permitted. No usage restrictions beyond attribution.
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 Magistral Small 24B 吗？
- Magistral Small 在 AMD Radeon RX 7800 XT 上
- Magistral Small 在 AMD Radeon RX 7900 XT 上
- Magistral Small 在 AMD Radeon RX 7900 XTX 上
- Magistral Small 在 AMD Radeon RX 9060 XT 16GB 上
- Magistral Small 在 AMD Radeon RX 9060 XT 8GB 上
- Magistral Small 在 AMD Radeon RX 9070 上
- Magistral Small 在 AMD Radeon RX 9070 XT 上
- Magistral Small 在 Apple M1 上
- Magistral Small 在 Apple M1 Pro 上
- Magistral Small 在 Apple M2 上
- Magistral Small 在 Apple M2 Pro 上
- Magistral Small 在 Apple M3 上
- Magistral Small 在 Apple M3 Pro 上
- Magistral Small 在 Apple M4 上
- Magistral Small 在 Apple M4 Pro 上
- Magistral Small 在 Apple M5 上
- Magistral Small 在 Intel Arc B570 上
- Magistral Small 在 Intel Arc B580 上
- Magistral Small 在 NVIDIA GeForce RTX 3060 (12GB) 上
- Magistral Small 在 NVIDIA GeForce RTX 3070 上
- Magistral Small 在 NVIDIA GeForce RTX 3070 Ti 上
- Magistral Small 在 NVIDIA GeForce RTX 3080 (10GB) 上
- Magistral Small 在 NVIDIA GeForce RTX 3090 上
- Magistral Small 在 NVIDIA GeForce RTX 4060 上
- Magistral Small 在 NVIDIA GeForce RTX 4060 Ti 16GB 上
- Magistral Small 在 NVIDIA GeForce RTX 4070 上
- Magistral Small 在 NVIDIA GeForce RTX 4070 Super 上
- Magistral Small 在 NVIDIA GeForce RTX 4070 Ti 上
- Magistral Small 在 NVIDIA GeForce RTX 4070 Ti Super 上
- Magistral Small 在 NVIDIA GeForce RTX 4080 上
- Magistral Small 在 NVIDIA GeForce RTX 4080 Super 上
- Magistral Small 在 NVIDIA GeForce RTX 4090 上
- Magistral Small 在 NVIDIA GeForce RTX 5060 上
- Magistral Small 在 NVIDIA GeForce RTX 5060 Ti 16GB 上
- Magistral Small 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- Magistral Small 在 NVIDIA GeForce RTX 5070 上
- Magistral Small 在 NVIDIA GeForce RTX 5070 Ti 上
- Magistral Small 在 NVIDIA GeForce RTX 5080 上
- Magistral Small 在 NVIDIA GeForce RTX 5090 上
Magistral Small 24B — 常见问题
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.