Ministral 3 14B 如何本地部署？
Ministral 3 14B 是 14B 参数的稠密模型。Q4 量化最低需要 11GB 显存，8K 上下文下推荐 16GB。当前最便宜能跑的显卡是 Tesla V100 16GB，约 ¥4,432，预估 69.4 tokens/s。
Ministral 3 14B 版本信息
发布日期2025年10月31日
Hugging Face 仓库mistralai/Ministral-3-14B-Instruct-2512
小版本2512
许可证Apache-2.0
架构稠密
Ollama 标签—
Q4 最低显存11 GB · Q4_K_M · 8K
参数量14B
层数40
隐藏维度5,120
KV 头8
头维度128
上下文上限256K
厂商Mistral AI
Ministral 3 14B 本地部署需要多少显存？
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| 1-bit | 3.7GGUF | 5.5 | 9.3 | 24.3 |
| 2-bit | 5.5GGUF | 7.4 | 11.2 | 26.2 |
| 3-bit | 6.9GGUF | 8.9 | 12.7 | 27.7 |
| 4-bit | 8.2GGUF | 10 | 13.8 | 28.8 |
| 5-bit | 9.6GGUF | 11.7 | 15.4 | 30.4 |
| 8-bit | 14.4GGUF | 16.7 | 20.5 | 35.5 |
| FP16 | 27GGUF | 29.5 | 33.3 | 48.3 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 256K 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
什么显卡能跑 Ministral 3 14B？
AmazonJP
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
用 Ollama / llama.cpp / vLLM 本地部署 Ministral 3 14B
Ollama
Ollama 库暂无官方标签。
llama.cpp
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf mistralai/Ministral-3-14B-Instruct-2512-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve mistralai/Ministral-3-14B-Instruct-2512
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
Ministral 3 14B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Ministral 3 14B 约需 11GB 显存，留到 16GB 更稳。
哪张显卡最便宜能跑 Ministral 3 14B？
Tesla V100 16GB，16GB 显存，当前中位价约 ¥4,432，预估 69.4 tokens/s。
Ministral 3 14B 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。