Mistral Small 3.2 — Mistral AI 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
A reliability release rather than a capability one. Same 24B architecture as Small 3.1, with instruction-following, function-calling robustness and output stability fixed — Arena Hard more than doubles (19.56% to 43.10%) and the infinite-repetition rate halves. If you were running 3.1, this is a drop-in upgrade with no new hardware cost.
变体
Mistral Small 3.2 最小的变体在 Q4_K_M 下约需 15 GB 显存——量化权重加框架开销，不含 KV 缓存。
| 模型 | Q4 下显存 | 显存 | 上下文 | 运行 |
|---|---|---|---|---|
| Mistral Small 3.2 24B → 24B | ~15 GB | 131,072 | ollama run mistral-small:24b |
显存为 Q4_K_M 下的量化权重加开销，与 GPU 与显存检测器使用同一引擎计算。
如何在本地运行 Mistral Small 3.2
安装 Ollama，然后拉取标签。
ollama run mistral-small:24b在上方选择一个尺寸，查看它自己的显存、速度估算和安装命令。
许可证
Commercial use permitted. No usage restrictions beyond attribution.
适用于: Mistral Small 3.2 24B推荐 GPU
目录中能在本地运行 Mistral Small 3.2（至少 15 GB 显存）的最便宜 GPU 是 AMD Radeon RX 7900 XT (20 GB).
我的 GPU 能运行 Mistral Small 3.2 吗？
- Mistral Small 3.2 在 AMD Radeon RX 7800 XT 上
- Mistral Small 3.2 在 AMD Radeon RX 7900 XT 上
- Mistral Small 3.2 在 AMD Radeon RX 7900 XTX 上
- Mistral Small 3.2 在 AMD Radeon RX 9060 XT 16GB 上
- Mistral Small 3.2 在 AMD Radeon RX 9060 XT 8GB 上
- Mistral Small 3.2 在 AMD Radeon RX 9070 上
- Mistral Small 3.2 在 AMD Radeon RX 9070 XT 上
- Mistral Small 3.2 在 Apple M1 上
- Mistral Small 3.2 在 Apple M1 Pro 上
- Mistral Small 3.2 在 Apple M2 上
- Mistral Small 3.2 在 Apple M2 Pro 上
- Mistral Small 3.2 在 Apple M3 上
- Mistral Small 3.2 在 Apple M4 上
- Mistral Small 3.2 在 Apple M4 Pro 上
- Mistral Small 3.2 在 Apple M5 上
- Mistral Small 3.2 在 Intel Arc B570 上
- Mistral Small 3.2 在 Intel Arc B580 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 3060 (12GB) 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 3070 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 3070 Ti 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 3080 (10GB) 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 3090 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4060 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4060 Ti 16GB 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4070 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4070 Super 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4070 Ti 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4070 Ti Super 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4080 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4080 Super 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 4090 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5060 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5060 Ti 16GB 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5070 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5070 Ti 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5080 上
- Mistral Small 3.2 在 NVIDIA GeForce RTX 5090 上
Mistral Small 3.2 — 常见问题
How much VRAM does Mistral Small 3.2 need?
Mistral Small 3.2 needs about 15 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Mistral Small 3.2 24B (15 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Mistral Small 3.2 on an RTX 4090 (24 GB)?
Yes — Mistral Small 3.2 runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for Mistral Small 3.2?
Q4_K_M is the best balance of quality and VRAM for Mistral Small 3.2 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 Small 3.2 with Ollama?
Install Ollama, then run: ollama run mistral-small:24b. This downloads Mistral Small 3.2 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.