🧠 語言模型Mistral Research

Mistral Large 2

Mistral Large 2，123B 參數，128K 上下文，多語言能力強，是 Mistral 上一代旗艦，需 70 GB+ VRAM（Q4 約 74 GB）。

📅 發布：2024-07↻資料更新：2026年5月9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
69 GB
完整 VRAM 對照表（所有量化 × 上下文）
量化4K8K16K32K64K128K
Q4_K_M★68 GB69 GB70 GB72 GB77 GB87 GB
Q8_0130 GB130 GB132 GB134 GB139 GB148 GB

部署指南

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

規格

參數量123B
最大上下文128K tokens
HF 下載量8K/月

模型強項

長上下文理解多語言能力旗艦級性能大規模參數

推薦用途

  • ▸處理和分析超長篇幅的多語言文檔，如法律文件或學術論文。
  • ▸開發需要強大語言理解和生成能力的企業級多語言應用。
  • ▸作為需要高精度和多語言支援的複雜問答系統的核心模型。

標籤

128K多語言旗艦

部署工具

vLLMllama.cppSGLang

關於 Mistral Large 2 — 開源 AI 模型

Mistral Large 2 是一個開源語言模型，擁有 123B 參數，採用 Mistral Research 授權。可使用 vLLM、llama.cpp、SGLang 進行部署。適用場景包括：處理和分析超長篇幅的多語言文檔，如法律文件或學術論文。、開發需要強大語言理解和生成能力的企業級多語言應用。、作為需要高精度和多語言支援的複雜問答系統的核心模型。。核心優勢：長上下文理解、多語言能力、旗艦級性能、大規模參數。 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！