💻 程式碼Apache 2.0

Devstral Small 1.1

Mistral Devstral Small 1.1，24B 程式碼 Agent 模型，Apache 2.0 授權，SWE-bench 表現優異，適合自動化程式碼任務。

📅 發布：2025-07↻資料更新：2026年5月3日

VRAM 計算器

我的 GPU VRAM：
量化等級
上下文長度
Q4_K_M · 8K context
模型權重 + KV Cache + 0.5 GB overhead
14 GB
完整 VRAM 對照表（所有量化 × 上下文）
量化4K8K16K32K64K128K
Q4_K_M★14 GB14 GB15 GB16 GB20 GB26 GB
Q8_026 GB26 GB27 GB28 GB32 GB38 GB

部署指南

方法一：Ollama（最簡單）

安裝 Ollama 後直接執行，自動下載並運行模型。

ollama run devstral:24b

方法二：llama.cpp

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

方法三：vLLM（高效能伺服器）

適合生產環境，支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve Mistral --dtype auto
ollama run devstral:24b

規格

參數量24B
最大上下文128K tokens
HF 下載量39K/月

模型強項

頂尖程式碼代理SWE-bench 高效能長上下文理解多檔案編輯開源商用友善

推薦用途

  • ▸用於自動化軟體工程任務，如程式碼探索、多檔案修改及錯誤修復。
  • ▸作為軟體開發代理的核心模型，提升開發流程的自動化程度與效率。

標籤

程式碼Apache 2.0SWE-benchAgent

部署工具

OllamavLLMllama.cpp

關於 Devstral Small 1.1 — 開源 AI 模型

Devstral Small 1.1 是一個開源程式碼，擁有 24B 參數，採用 Apache 2.0 授權。可使用 Ollama、vLLM、llama.cpp 進行部署。適用場景包括：用於自動化軟體工程任務，如程式碼探索、多檔案修改及錯誤修復。、作為軟體開發代理的核心模型，提升開發流程的自動化程度與效率。。核心優勢：頂尖程式碼代理、SWE-bench 高效能、長上下文理解、多檔案編輯、開源商用友善。 可在本地硬體上自行部署，完全保護隱私，無需 API 金鑰。

使用心得

分享你的使用體驗，幫助其他人了解這個模型

0/1000
還沒有評論，成為第一個分享心得的人！