🧠 語言模型Apache 2.0

Mistral NeMo Instruct

Mistral NeMo 12B，Apache 2.0 授權，128K 上下文，與 NVIDIA 合作開發，多語言能力強，Q4 約需 8 GB VRAM。

📅 發布：2024-07↻資料更新：2026年3月25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
11.2 GB
完整 VRAM 對照表（所有量化 × 上下文）
量化1K4K8K16K32K64K128K
FP16 / BF1625.1 GB26.8 GB28.5 GB31.5 GB36.7 GB45.9 GB61.9 GB
Q2_K5.0 GB6.7 GB8.4 GB11.4 GB16.6 GB25.8 GB41.8 GB
Q3_K_M6.3 GB8.0 GB9.7 GB12.7 GB18.0 GB27.1 GB43.2 GB
Q4_K_M★7.8 GB9.5 GB11.2 GB14.2 GB19.5 GB28.6 GB44.7 GB
Q5_K_M9.3 GB11.0 GB12.7 GB15.7 GB21.0 GB30.1 GB46.2 GB
Q6_K10.8 GB12.5 GB14.2 GB17.2 GB22.5 GB31.6 GB47.7 GB
Q8_013.8 GB15.5 GB17.2 GB20.2 GB25.5 GB34.6 GB50.7 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 mistral-nemo:latest

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

LM Studio（圖形介面）

下載 LM Studio，在搜尋欄輸入模型名稱，點擊下載即可。支援 Windows/Mac/Linux。

ollama run mistral-nemo:latest

規格

參數量12B
最大上下文128K tokens
HF 下載量109K/月

模型強項

長上下文理解多語言能力指令遵循佳高效能推理開源授權

推薦用途

  • ▸處理和分析長篇多語言文本，如法律文件或學術論文。
  • ▸開發多語言聊天機器人或智能客服系統，提供精確的指令回應。
  • ▸在資源有限的環境下，進行高效能的文本生成與摘要任務。

標籤

Apache 2.0128K多語言

部署工具

OllamavLLMllama.cppLM Studio

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！