Mistral Nemo 如何本地部署？

VRAMGlass 编辑部 · 更新于 2026年9月10日

Mistral Nemo 是 12.3B 参数的稠密模型。Q4 量化最低需要 10GB 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 ¥880，预估 77.7 tokens/s。

Mistral Nemo 版本信息

发布日期2024年7月17日

Hugging Face 仓库mistralai/Mistral-Nemo-Instruct-2407

小版本2407

许可证Apache-2.0

架构稠密

GGUF 仓库bartowski/Mistral-Nemo-Instruct-2407-GGUF

Ollama 标签mistral-nemo:12b

Q4 最低显存10 GB · Q4_K_M · 8K

参数量12.3B

层数40

隐藏维度5,120

KV 头8

头维度128

上下文上限128K

厂商Mistral AI

Mistral Nemo 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	2.9估	5.1	8.9	23.9
2-bit	5.4GGUF	6.8	10.6	25.6
3-bit	7.1GGUF	8.1	11.9	26.9
4-bit	7.5GGUF	9.1	12.8	27.8
5-bit	8.7GGUF	10.5	14.3	29.3
8-bit	13GGUF	14.9	18.7	33.7
FP16	24.5GGUF	26.2	30	45

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 128K 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 Mistral Nemo？

闲鱼

设备	显存GB	价	预估 t/s	建议上下文
Tesla V100 16GB	16	¥88013 条挂单	77.7	32K
GeForce RTX 2080 Ti 22GB	22	¥2,6003 条挂单	54.2	32K
Instinct MI50 32GB	32	¥2,7254 条挂单	63.9	128K
Radeon RX 6950 XT	16	¥2,99913 条挂单	36.7	32K
Radeon RX 7800 XT	16	¥3,10011 条挂单	39.7	32K
Tesla V100 32GB	32	¥3,20011 条挂单	77.7	128K
Radeon RX 7900 XT	20	¥4,29916 条挂单	50.5	32K
GeForce RTX 5060 Ti 16GB	16	¥4,6884 条挂单	39.9	32K
Arc Pro B60	24	¥5,27510 条挂单	26.4	32K
Radeon RX 7900 XTX	24	¥5,80017 条挂单	60.1	32K
Radeon RX 9070 XT	16	¥6,10012 条挂单	40.7	32K
GeForce RTX 5070	12	¥6,17510 条挂单	58.9	8K
GeForce RTX 4080	16	¥7,7509 条挂单	62.7	32K
GeForce RTX 3090	24	¥8,10015 条挂单	80.6	32K
Arc Pro B70	32	¥9,8506 条挂单	35	128K
GeForce RTX 5070 Ti	16	¥9,8993 条挂单	77.3	32K
Radeon AI PRO R9700	32	¥11,0508 条挂单	40.7	128K
CMP 170HX 40GB	40	¥11,3004 条挂单	128.8	128K
Radeon PRO W7800	32	¥12,4003 条挂单	36.7	128K
GeForce RTX 5080	16	¥12,45012 条挂单	82.5	32K
CMP 170HX 64GB	64	¥14,0508 条挂单	123.8	128K
RTX PRO 4000 Blackwell	24	¥15,65018 条挂单	58.9	32K
Instinct MI210	64	¥18,50012 条挂单	99.1	128K
Radeon PRO W7900	48	¥22,0005 条挂单	54.3	128K
GeForce RTX 4090	24	¥23,50016 条挂单	86.3	32K
GeForce RTX 5090 D V2	24	¥23,90014 条挂单	112.5	32K
RTX PRO 4500 Blackwell	32	¥25,85016 条挂单	77.3	128K
GeForce RTX 4090 48GB	48	¥26,6003 条挂单	86.3	128K
A100 40GB PCIe	40	¥30,9504 条挂单	128.4	128K
Mac Studio M4 Max 128GB	128	¥32,20013 条挂单	38.3	128K
DGX Spark 128GB	128	¥32,50031 条挂单	24.6	128K
GeForce RTX 5090 D	32	¥32,90013 条挂单	145.7	128K
MacBook Pro M4 Max 128GB	128	¥35,4004 条挂单	38.3	128K
Mac Studio M5 Max 128GB	128	¥39,5506 条挂单	42.9	128K
GeForce RTX 5090	32	¥43,80013 条挂单	145.7	128K
RTX PRO 5000 Blackwell 48GB	48	¥46,80015 条挂单	112.5	128K
MacBook Pro M5 Max 128GB	128	¥54,8007 条挂单	42.9	128K
RTX PRO 5000 Blackwell 72GB	72	¥65,00017 条挂单	112.5	128K
RTX PRO 6000D	84	¥68,00017 条挂单	129.3	128K
RTX PRO 6000 Blackwell	96	¥123,9006 条挂单	145.7	128K
Mac Studio M3 Ultra 512GB	512	¥129,9006 条挂单	56.5	128K
Arc Pro B65	32	—暂无挂单	35	128K
GeForce RTX 4080 SUPER 32GB	32	—暂无挂单	64.3	128K
Instinct MI100	32	—暂无挂单	75.9	128K
Ryzen AI Max+ 395 128GB	128	—暂无挂单	16.6	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 Mistral Nemo

Ollama

Ollama 一条命令拉起，量化档位由官方标签决定。

ollama run mistral-nemo:12b

llama.cpp

llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。

llama-server -hf bartowski/Mistral-Nemo-Instruct-2407-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/Mistral-Nemo-Instruct-2407

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

Mistral Nemo 需要多少显存？

在 Q4_K_M 量化、8K 上下文下 Mistral Nemo 约需 10GB 显存，留到 12GB 更稳。

哪张显卡最便宜能跑 Mistral Nemo？

Tesla V100 16GB，16GB 显存，当前中位价约 ¥880，预估 77.7 tokens/s。

Mistral Nemo 能用 Ollama 跑吗？

能，命令是 ollama run mistral-nemo:12b。