Devstral 2 123B

Vergleichen

Devstral 2 123B braucht mit der Variante Q4_K_M rund 78,7 GB Speicher und läuft auf 7 von 751 geführten Geräten flüssig.

Mit dem wenigsten Speicher schafft es: ASUS ExpertCenter Pro ET900N G3 (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GB.

Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.

Wofür möchten Sie das Modell nutzen?
Mehr zu diesem Einsatzzweck: Modelle und Geräte nach Preis
Anbieter
Mistral AI
Parameter
125 Mrd.
Längster Kontext
262.144 Token
Lizenz
eigene Lizenz des AnbietersModifizierte MIT-Lizenz: keine Rechte, wenn der weltweite konsolidierte Monatsumsatz Ihres Unternehmens (oder Ihres Arbeitgebers) im Vormonat 20 Mio. US-Dollar übersteigt; das gilt auch für Ableitungen. Nutzungsrichtlinie lesen

Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):

$ llama-server -hf unsloth/Devstral-2-123B-Instruct-2512-GGUF:Q4_K_M -c 4096

Geräte, auf denen es flüssig läuft

Die Tempowerte sind berechnet, nicht auf dem Gerät gemessen, und an veröffentlichten und eigenen Messungen abgeglichen. Ausgenommen sind die mit * markierten Werte: sie sind nicht abgeglichen und deshalb unsicher.

GerätUrteilTempoSpeicher
ASUS ExpertCenter Pro ET900N G3 (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar
HP ZGX Fury G1n AI Station (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar
MSI XpertStation WS300 (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar
Gigabyte W775-V10-L01 (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar
Supermicro Super AI Station ARS-511GD-NB-LCC (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar
Exxact Valence TensorEX (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar
Dell Pro Max mit GB300 (2026), NVIDIA GB300 mit Blackwell-Ultra-GPU, 748 GBLäuft gut32 bis 39 Token/s *748 GB
davon 252,0 GB nutzbar

Grafikkarten, in die es ganz passt

GrafikkarteUrteilTempoSpeicher
NVIDIA RTX PRO 6000 Blackwell, 96 GBLäuft gut13 bis 16 Token/s *96 GB
davon 95,2 GB nutzbar

Alle Geräte und Grafikkarten für Devstral 2 123B

Was die Angaben bedeuten
  • Token: Ein Modell liest und schreibt in Wortstücken, den Token. Ein deutsches Wort sind rund 1,5 bis 1,8 Token.
  • Token/s: So viele Token schreibt das Modell je Sekunde. Angegeben ist eine Spanne, gerechnet, nicht auf diesem Gerät gemessen.
  • Kontext: Wie viel Text das Modell auf einmal im Blick behält, also Ihre Frage, angehängte Dokumente und den bisherigen Verlauf, gezählt in Token. Mehr Kontext braucht mehr Speicher.
  • Mrd.: Milliarden Parameter, die Größe des Modells. Größere Modelle antworten in der Regel besser und brauchen mehr Speicher.
  • „davon … aktiv“: Das Modell (Mixture-of-Experts) rechnet je Token nur mit einem Teil seiner Parameter. Das macht es schneller; Speicher braucht es trotzdem für alle.
  • Q4_K_M, Q8_0 und ähnlich: die Stufe der Quantisierung. Die Zahlen des Modells werden mit weniger Bits gespeichert; je kleiner die Zahl hinter dem Q, desto kleiner die Datei und desto größer die Abweichung vom Original.
  • VL im Namen steht für Vision-Language: solche Modelle lesen auch Bilder. Was ein Modell entgegennimmt, steht auf seiner Seite unter „Nimmt entgegen“.
  • „Läuft gut“: Das Modell passt ganz in den Speicher und schafft in der Mitte der Spanne mindestens 10 Token/s; beginnt die Spanne darunter, schreiben wir „knapp flüssig“. „Eingeschränkt“: Es passt, ist aber langsamer, oder ein Teil liegt im Arbeitsspeicher. Ob die Antworten stimmen, sagt beides nicht.
  • „21,9 von 48,0 GB“: Links steht, was das Modell an Speicher braucht, rechts, was das Gerät für Modelle frei hat. Das ist weniger als eingebaut, weil ein Teil für Betriebssystem, Anzeige und Programme bleibt; wie viel, steht bei den Gerätedaten unter „Davon für Modelle nutzbar“.
  • „*“ am Tempo: Die Rechnung geht hier über ihre Messungen hinaus, der Wert ist unsicherer.
  • „Der Speicher für den Kontext ist geschätzt“: Für die Bauart dieses Modells lesen wir den Speicher für den Kontext nicht aus der Modelldatei ab, sondern schätzen ihn aus der Modellgröße.
  • Wie wir rechnen

Varianten

Der Bedarf gilt für 4.096 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 4096“ eingeben.

VarianteDateiSpeicherbedarfStartbefehl
Q3_K_M60,6 GB64,1 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.
Q4_071,0 GB74,7 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.
Q4_K_M74,9 GB78,7 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.
Q5_K_M88,3 GB92,4 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.
Q6_K102,6 GB106,9 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.
Q8_0132,9 GB137,8 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.
BF16250,1 GB257,3 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.

Quelle: https://huggingface.co/unsloth/Devstral-2-123B-Instruct-2512-GGUF

Weitere Ratgeber