Mistral Large 2411 (123B) — VRAM 요구사항, 양자화 매트릭스 & GPU 가이드
Mistral Large 2411 (123B)(Mistral, Mistral Research)은 상주 파라미터 123B(토큰당 활성 123B), 88개 레이어, 최대 131,072 컨텍스트 토큰을 지원하는 그룹 쿼리 어텐션 (GQA) 기반 Dense Transformer (밀집 모델) 아키텍처입니다.
대화형 Mistral Large 2411 (123B) 메모리 & 컨텍스트 시뮬레이터
정밀도 & 양자화별 VRAM 매트릭스 (8K / 32K / 128K 컨텍스트)
| 정밀도 / 포맷 | 유효 bpw | 가중치 단독 | 합계 @ 8K ctx | 합계 @ 32K ctx | 합계 @ 128K ctx | 권장 등급 (@ 32K) |
|---|---|---|---|---|---|---|
| FP16 / BF16 | 16.00 bpw | 229.11 GB | 240.37 GB | 248.62 GB | 281.62 GB | Mac Studio 512GB |
| FP8 | 8.50 bpw | 121.71 GB | 129.75 GB | 138.00 GB | 171.00 GB | Mac Studio 192GB |
| Q8_0 | 8.50 bpw | 121.71 GB | 129.75 GB | 138.00 GB | 171.00 GB | Mac Studio 192GB |
| Q6_K | 6.56 bpw | 93.93 GB | 101.14 GB | 109.39 GB | 142.39 GB | NVIDIA H200 141GB |
| Q5_K_M | 5.69 bpw | 81.48 GB | 88.31 GB | 96.56 GB | 129.56 GB | Mac Studio 128GB |
| Q4_K_M | 4.85 bpw | 69.45 GB | 75.92 GB | 84.17 GB | 117.17 GB | RTX PRO 6000 96GB |
| AWQ INT4 | 4.50 bpw | 64.44 GB | 70.76 GB | 79.01 GB | 112.01 GB | RTX PRO 6000 96GB |
| IQ4_XS | 4.25 bpw | 60.86 GB | 67.07 GB | 75.32 GB | 108.32 GB | NVIDIA A100 80GB |
하드웨어 호환성 & 디코딩 속도 (Mistral Large 2411 (123B) @ Q4_K_M, 32K 컨텍스트)
| 하드웨어 등급 | 메모리 & 대역폭 | 필요량 (32K) | 적재 판정 | 추정 디코딩 속도 |
|---|---|---|---|---|
| RTX 3090 24GB | 24 GB · 936 GB/s | 84.17 GB (351%) | 메모리 부족 (OOM) | — |
| RTX 4090 24GB | 24 GB · 1008 GB/s | 84.17 GB (351%) | 메모리 부족 (OOM) | — |
| RTX 5090 32GB | 32 GB · 1792 GB/s | 84.17 GB (263%) | 메모리 부족 (OOM) | — |
| Apple M-Max 64GB | 64 GB · 546 GB/s | 82.79 GB (129%) | 메모리 부족 (OOM) | — |
| Mac Studio 128GB | 128 GB · 546 GB/s | 82.79 GB (65%) | 여유 있게 적재 | 3.7 tok/s |
| Mac Studio 192GB | 192 GB · 800 GB/s | 82.79 GB (43%) | 여유 있게 적재 | 5.5 tok/s |
| NVIDIA A100 80GB | 80 GB · 2039 GB/s | 84.17 GB (105%) | 메모리 부족 (OOM) | — |
| NVIDIA H100 80GB | 80 GB · 3350 GB/s | 84.17 GB (105%) | 메모리 부족 (OOM) | — |
검증된 Transformer 아키텍처 파라미터
- Checkpoint ID
- mistralai/Mistral-Large-Instruct-2411
- Ollama Tag
- mistral-large:123b
- License / Release
- Mistral Research · 2024-Q4
- 토폴로지 & 어텐션
- Dense Transformer (밀집 모델)
- 어텐션 메커니즘
- 그룹 쿼리 어텐션 (GQA)
- 총 파라미터 (B)
- 123B
- 토큰당 활성 파라미터 (B)
- 123B
- 은닉 레이어 수 / 은닉 차원 (Hidden Size)
- 88 / 12288
- 쿼리 헤드 수 / KV 헤드 수
- 96Q / 8KV (d=128)
- Vocab / Max Position
- 32,768 / 131,072
양자화 포맷은 패킹된 정수 가중치와 함께 블록별 스케일 계수 및 제로 포인트를 저장합니다. 4비트 GGUF Q4_K_M 체크포인트는 파라미터당 평균 4.85 유효 비트(4.00이 아님)를 사용하며 Q8_0은 평균 8.50 bpw를 소비합니다. Mixture-of-Experts 모델에서는 토큰마다 발생하는 호스트 페이징을 방지하기 위해 모든 라우팅 및 공유 전문가가 메모리에 상주합니다.
표준 Grouped-Query Attention은 전체 레이어에 걸쳐 2 × L × H_kv × d_head × S × B × bytes_kv를 할당합니다. DeepSeek Multi-head Latent Attention (MLA)은 Key와 Value를 L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv로 압축해 장문 컨텍스트 메모리를 90% 이상 절감합니다. 하이브리드 슬라이딩 윈도우 모델은 로컬 어텐션 레이어를 min(S, window_size)로 제한하고 글로벌 레이어만 S에 선형 비례해 확장합니다.
Mistral Large 2411 (123B)용 빠른 시작 vLLM & Ollama 명령어
vllm serve mistralai/Mistral-Large-Instruct-2411 \
--tensor-parallel-size 1 \
--max-model-len 32768 \
--max-num-seqs 8 \
--gpu-memory-utilization 0.95 \
--kv-cache-dtype fp8 \
--enable-prefix-caching \
--port 8000# Save as Modelfile, then run: ollama create mistral-large-123b-custom -f Modelfile
FROM mistral-large:123b
PARAMETER num_ctx 32768
PARAMETER num_batch 512
PARAMETER flash_attn true
# Environment variables for ollama serve:
# OLLAMA_NUM_PARALLEL=8 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serve동일 계열 및 유사 규모 오픈웨이트 모델 비교
Mistral Small 3.1 (24B)
Mistral · 24B (GQA)
Devstral Small (24B SWE Agent)
Mistral · 23.6B (GQA)
Codestral 22B
Mistral · 22.2B (GQA)
Cohere Command A (111B)
Cohere · 111B (HYBRID_SWA)
Llama 4 Scout (109B / 17B-16E MoE)
Meta Llama · 109B (HYBRID_SWA)
Qwen2.5-72B-Instruct
Qwen · 72.7B (GQA)