Magistral Small — Mistral AI 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
Mistral's reasoning line: Mistral Small with long chain-of-thought added via SFT on Magistral Medium traces plus RL. Apache 2.0, vision-capable, and sized so the whole thing fits a single RTX 4090 or a 32 GB MacBook once quantized — which is the point. Reasoning traces degrade past roughly 40K tokens even though the context window runs to 128K.
变体
Magistral Small 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 |
|---|---|---|---|---|
| Magistral Small 24B → 24B | ~15.3 GB | 131,072 | ollama run magistral: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 Magistral Small
安装 Ollama，然后拉取标签。
ollama run magistral: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: Magistral Small 24B推荐 GPU
目录中能在本地运行 Magistral Small（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 Magistral Small 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 — 常见问题
How much VRAM does Magistral Small need?
Magistral Small needs about 15 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Magistral Small 24B (15 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Magistral Small on an RTX 4090 (24 GB)?
Yes — Magistral Small 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 Magistral Small?
Q4_K_M is the best balance of quality and VRAM for Magistral Small 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 Magistral Small with Ollama?
Install Ollama, then run: ollama run magistral:24b. This downloads Magistral Small and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.