🧠 語言模型Apache 2.0🔒 需申請存取

Mistral Small 4

Mistral Small 4，2026 年 3 月最新發布，24B 參數，Apache 2.0 授權，支援 128K 上下文，多語言與視覺能力全面升級。

📅 發布：2026-03↻資料更新：2026年5月11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 mistral-small4: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
ollama run mistral-small4:latest

規格

參數量24B
最大上下文128K tokens
HF 下載量63K/月

模型強項

多模態理解長上下文處理多語言支援高效能推理最新模型

推薦用途

  • ▸處理複雜的多語言長篇文本分析與生成，例如跨國法律文件審閱。
  • ▸整合視覺與文本資訊進行內容理解與創作，例如智能圖像描述與故事生成。
  • ▸開發需要處理大量上下文資訊的智能客服或知識檢索系統。

標籤

128K多語言視覺最新

部署工具

OllamavLLMllama.cpp

關於 Mistral Small 4 — 開源 AI 模型

Mistral Small 4 是一個開源語言模型，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：處理複雜的多語言長篇文本分析與生成，例如跨國法律文件審閱。、整合視覺與文本資訊進行內容理解與創作，例如智能圖像描述與故事生成。、開發需要處理大量上下文資訊的智能客服或知識檢索系統。。核心優勢：多模態理解、長上下文處理、多語言支援、高效能推理、最新模型。 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！