Mistral-Nemo-Instruct-2407 显存与内存需求
具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_K_M (Unsloth)：8,192 个 token 下约 8.34 GiB–8.94 GiB，1 条序列，FP16 KV，llama.cpp。
当前结果是估算，不是对应环境的实测。未核实有文件依据的权重
能跑的设备
发布方与出处
- 提供方Mistral AI
- Hugging Face
mistralai/Mistral-Nemo-Instruct-2407 - Revision
04d8a90549d23fc6bd7f642064003592df51e9b3 - 总参数量12,247,782,400
- 层数40
- 查询头32
- KV 头8 (gqa)
- 头维度128
- 已记录的上下文能力131,072
- 完整度complete · full
这次估算里的内存分层
文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。
- Weight artifact
- 6.96 GiB (7,477,204,512 bytes)
- Raw KV cache
- 1.25 GiB (1,342,177,280 bytes)
- Engine extras / workspace
- 0.13 GiB–0.73 GiB
- Total estimated demand
- 8.34 GiB–8.94 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| BF16 safetensors bf16 | 24,495,564,800 (22.81 GiB / 24.50 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Mistral-Nemo-Instruct-2407.Q4_K_M.gguf | 7,477,204,512 (6.96 GiB / 7.48 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Mistral-Nemo-Instruct-2407.Q5_K_M.gguf | 8,727,631,392 (8.13 GiB / 8.73 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Mistral-Nemo-Instruct-2407.Q6_K.gguf | 10,056,209,952 (9.37 GiB / 10.06 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Mistral-Nemo-Instruct-2407.Q8_0.gguf | 13,022,369,312 (12.13 GiB / 13.02 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 6,123,891,200 (理论行不是可下载的发布文件。) | — | theoretical |
按量化与上下文查看显存
并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。
| 量化 | 2,048 tokens | 8,192 tokens | 32,768 tokens |
|---|---|---|---|
| BF16 safetensors | 23.75 GiB–25.64 GiB | 24.69 GiB–26.60 GiB | 28.44 GiB–30.46 GiB |
| GGUF Q4_K_M (Unsloth) | 7.40 GiB–7.92 GiB | 8.34 GiB–8.94 GiB | 12.09 GiB–12.95 GiB |
| GGUF Q5_K_M (Unsloth) | 8.57 GiB–9.11 GiB | 9.50 GiB–10.13 GiB | 13.25 GiB–14.14 GiB |
| GGUF Q6_K (Unsloth) | 9.80 GiB–10.37 GiB | 10.74 GiB–11.39 GiB | 14.49 GiB–15.40 GiB |
| GGUF Q8_0 (Unsloth) | 12.57 GiB–13.19 GiB | 13.50 GiB–14.21 GiB | 17.25 GiB–18.22 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 6.14 GiB–8.29 GiB | 7.08 GiB–9.46 GiB | 10.83 GiB–14.07 GiB |
KV Cache（原始数据）
标准 GQA/MHA 的原始 KV 为 2 × 层数 × kvHeads × headDim × token 数 × 序列数 × 每元素字节。本页使用 KV heads（8），不是 query heads（32）。
- 8,192 tokens, 1 sequence, FP16: 1,342,177,280 bytes (1.2500 GiB)
- 32,768 tokens: 5,368,709,120 bytes (5.00 GiB)
相关页面
数据来源
影响结论的假设
- 请求的上下文在记录的原生窗口 131072 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：Mistral-Nemo-Instruct-2407.Q4_K_M.gguf。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
- 除非你改 KV 精度，否则 KV 的数据类型与权重量化无关。
计算器
正在加载已发布的目录快照…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。