Ministral 3 8B 如何本地部署？
Ministral 3 8B 是 8.9B 参数的稠密模型。Q4 量化最低需要 8GB 显存，8K 上下文下推荐 12GB。当前最便宜能跑的显卡是 Tesla V100 16GB，约 ¥4,432，预估 102.9 tokens/s。
Ministral 3 8B 版本信息
发布日期2025年10月31日
Hugging Face 仓库mistralai/Ministral-3-8B-Instruct-2512
小版本2512
许可证Apache-2.0
架构稠密
Ollama 标签—
Q4 最低显存8 GB · Q4_K_M · 8K
参数量8.9B
层数34
隐藏维度4,096
KV 头8
头维度128
上下文上限256K
厂商Mistral AI
Ministral 3 8B 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 | 2.4GGUF | 4.2 | 7.3 | 20.1 |
| 2-bit | 3.6GGUF | 5.4 | 8.6 | 21.3 |
| 3-bit | 4.4GGUF | 6.3 | 9.5 | 22.3 |
| 4-bit | 5.2GGUF | 7 | 10.2 | 23 |
| 5-bit | 6.1GGUF | 8.1 | 11.3 | 24 |
| 8-bit | 9GGUF | 11.3 | 14.5 | 27.2 |
| FP16 | 17GGUF | 19.5 | 22.7 | 35.4 |
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 8B？
AmazonJP
| 设备 | 显存GB | 价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥4,4324 条挂单 | 102.9 | 32K |
 Radeon RX 9070 XT | 16 | ¥5,9498 条挂单 | 54.5 | 32K |
| GeForce RTX 5060 Ti 16GB | 16 | ¥6,2179 条挂单 | 53.5 | 32K |
| GeForce RTX 5070 | 12 | ¥6,42810 条挂单 | 78.5 | 32K |
| Radeon RX 7800 XT | 16 | ¥6,49810 条挂单 | 53.2 | 32K |
| Tesla V100 32GB | 32 | ¥7,6733 条挂单 | 102.9 | 128K |
 Arc Pro B60 | 24 | ¥7,8293 条挂单 | 35.5 | 128K |
| Radeon RX 7900 XT | 20 | ¥8,3639 条挂单 | 67.4 | 32K |
| Radeon RX 6950 XT | 16 | ¥9,4424 条挂单 | 49.3 | 32K |
| GeForce RTX 5070 Ti | 16 | ¥10,60010 条挂单 | 102.5 | 32K |
| Radeon RX 7900 XTX | 24 | ¥11,6869 条挂单 | 80 | 128K |
| GeForce RTX 5080 | 16 | ¥12,5604 条挂单 | 109.2 | 32K |
| Arc Pro B70 | 32 | ¥13,9473 条挂单 | 46.9 | 128K |
| GeForce RTX 4080 | 16 | ¥14,7108 条挂单 | 83.4 | 32K |
| Radeon AI PRO R9700 | 32 | ¥15,0896 条挂单 | 54.5 | 128K |
| GeForce RTX 3090 | 24 | ¥16,9509 条挂单 | 106.7 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | ¥26,3156 条挂单 | 22.4 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥26,6035 条挂单 | 78.5 | 128K |
| GeForce RTX 4090 | 24 | ¥32,9869 条挂单 | 114.2 | 128K |
| GeForce RTX 5090 | 32 | ¥50,3659 条挂单 | 189.5 | 128K |
| DGX Spark 128GB | 128 | ¥55,3043 条挂单 | 33.1 | 128K |
| GeForce RTX 2080 Ti 22GB | 22 | —暂无挂单 | 72.3 | 32K |
| GeForce RTX 5090 D V2 | 24 | —暂无挂单 | 147.7 | 128K |
| Arc Pro B65 | 32 | —暂无挂单 | 46.9 | 128K |
| GeForce RTX 4080 SUPER 32GB | 32 | —暂无挂单 | 85.5 | 128K |
| GeForce RTX 5090 D | 32 | —暂无挂单 | 189.5 | 128K |
| Instinct MI100 | 32 | —暂无挂单 | 100.6 | 128K |
| Instinct MI50 32GB | 32 | —暂无挂单 | 85 | 128K |
| Radeon PRO W7800 | 32 | —暂无挂单 | 49.3 | 128K |
| RTX PRO 4500 Blackwell | 32 | —暂无挂单 | 102.5 | 128K |
| A100 40GB PCIe | 40 | —暂无挂单 | 167.8 | 128K |
| CMP 170HX 40GB | 40 | —暂无挂单 | 168.3 | 128K |
| GeForce RTX 4090 48GB | 48 | —暂无挂单 | 114.2 | 128K |
| Radeon PRO W7900 | 48 | —暂无挂单 | 72.5 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | —暂无挂单 | 147.7 | 128K |
| CMP 170HX 64GB | 64 | —暂无挂单 | 162 | 128K |
| Instinct MI210 | 64 | —暂无挂单 | 130.6 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | —暂无挂单 | 147.7 | 128K |
| RTX PRO 6000D | 84 | —暂无挂单 | 169 | 128K |
| RTX PRO 6000 Blackwell | 96 | —暂无挂单 | 189.5 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂单 | 51.3 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂单 | 57.4 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂单 | 51.3 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂单 | 57.4 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂单 | 75.4 | 128K |
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 8B
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-3-8B-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-3-8B-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 8B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Ministral 3 8B 约需 8GB 显存，留到 12GB 更稳。
哪张显卡最便宜能跑 Ministral 3 8B？
Tesla V100 16GB，16GB 显存，当前中位价约 ¥4,432，预估 102.9 tokens/s。
Ministral 3 8B 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。