Mistral Small 3.1 24BvsMistral Small 3.2 24B
Vollständiger Vergleich zwischen Mistral Small 3.1 24B (24 Milliarden Parameter, Mistral AI) und Mistral Small 3.2 24B (24B, Mistral AI). VRAM-Bedarf je nach Quantisierung, auf 4 Referenz-GPUs gemessene Tokens pro Sekunde, Bewertung je nach Anwendungsfall, Lizenz, Installationsbefehle. Alle Zahlen werden aus den Katalogdaten berechnet — kein Kopieren und Einfügen zwischen Seiten.
Kurz gesagt
| Eigenschaft | Mistral Small 3.1 24B | Mistral Small 3.2 24B |
|---|---|---|
| Parameter | 24B | 24B |
| Familie | Mistral | Mistral |
| Autor | Mistral AI | Mistral AI |
| Herkunft | FR | FR |
| Lizenz | Apache 2.0 | Apache 2.0 |
| Kontext | 128 000 Tokens | 128 000 Tokens |
| Erscheinungsdatum | März 2025 | Juni 2025 |
Speicherbedarf
Ungefähre VRAM, die für die Inferenz mit einem mittleren Kontextfenster erforderlich ist. Der Gewinner (in Grün) ist das Modell, das verbraucht moins — Vorteil für kleine Modelle.
| Quantisierung | Mistral Small 3.1 24B | Mistral Small 3.2 24B |
|---|---|---|
| Q4_K_M (leicht) | 14 GB | 14 GB |
| Q5_K_M (ausgewogen) | 17 GB | 17 GB |
| Q8 (nahezu verlustfrei) | 26 GB | 26 GB |
| FP16 (maximale Qualität) | 48 GB | 48 GB |
| RAM bei reinem CPU-Betrieb | 24 GB | 24 GB |
Geschätzte Geschwindigkeit (Tokens/Sekunde)
Schätzungen basierend auf der besten Quantisierung, die auf jeder GPU möglich ist. Die tatsächlichen Zahlen hängen vom Prompt, vom Kontext und der Engine (llama.cpp, vLLM, MLX) ab. Methodik.
| Referenz-GPU | Mistral Small 3.1 24B | Mistral Small 3.2 24B |
|---|---|---|
| RTX 4090 (24 GB) | 40 tok/s · Q5_K_M | 40 tok/s · Q5_K_M |
| RTX 4080 (16 GB) | 15 Tok/s · Q4_K_M | 15 Tok/s · Q4_K_M |
| RTX 3060 12GB (12 GB) | ✗ zu groß | ✗ zu groß |
| Apple M4 Pro (48 GB) (36 GB) | 15 Tok/s · Q8 | 15 Tok/s · Q8 |
Fazit nach Anwendungsfall
Für jede gängige Anwendung geben wir an, welches der beiden Modelle aufgrund seiner Tags, Größe und Spezialisierung am besten geeignet ist.
Ihr privates, kostenloses ChatGPT auf Ihrem Rechner in einer Stunde – mit LM Studio, Ollama, Open WebUI und Ihren Dokumenten, ganz ohne Cloud.
- Lebenslanger Online-Zugang
- PDF + Dateien
- Erstattung binnen 30 Tagen
Stärken und Schwächen
Mistral Small 3.1 24B
Small 3, um Vision erweitert. 128k ctx, Apache 2.0. Seit Juni 2025 durch Small 3.2 ersetzt.
- Vision + Text in einem 24B-Modell
- 128k ctx
- Apache 2.0
- ~150 Tok/s bei der Inferenz
- Erfordert Ollama ≥ 0.6.5
- Small 3.2 (Juni 2025) verbessert es leicht
Installation
Mistral Small 3.2 24B
Update von Small 3.1 vom Juni 2025. Halb so viele endlose Generierungen, verbessertes Function Calling.
- Halb so viele endlose Generierungen wie bei 3.1
- Verbessertes Function Calling
- Vision
- Apache 2.0
- Erfordert eine aktuelle Ollama-Version
Installation
Häufige Fragen
Welches Modell läuft am besten auf RTX 4090 (24 GB): Mistral Small 3.1 24B oder Mistral Small 3.2 24B?
Auf einer RTX 4090 läuft Mistral Small 3.1 24B in Q5_K_M (~40 tok/s), Mistral Small 3.2 24B in Q5_K_M (~40 tok/s). Beim reinen Durchsatz Mistral Small 3.2 24B gewinnt. Nutzen Sie den Konfigurator um Ihre konkrete GPU zu testen.
Mistral Small 3.1 24B oder Mistral Small 3.2 24B: Welches Modell ist auf Französisch besser?
Für einfache Chats auf Französisch sind beide gleichwertig. Für literarische oder juristische Texte bevorzugen Sie ein Modell europäischen Ursprungs (siehe unsere FR-Guides).
Welches verbraucht am wenigsten VRAM?
Beide benötigen in Q4 gleich viel VRAM (14 GB). Die Entscheidung hängt dann von der Lizenz oder der wahrgenommenen Qualität ab.
Dürfen diese Modelle kommerziell im Produktivbetrieb eingesetzt werden?
Mistral Small 3.1 24B ist unter Apache 2.0 lizenziert – frei für kommerzielle Nutzung. Mistral Small 3.2 24B ist unter Apache 2.0 lizenziert — ebenfalls frei nutzbar. Für SaaS bevorzugen Sie Apache 2.0 oder MIT.
Welches soll man 2026 wählen?
Das hängt von Ihrer wichtigsten Einschränkung ab. Kleiner / schneller : Mistral Small 3.1 24B (24B). Leistungsfähiger : Mistral Small 3.1 24B (24B). Wenn Sie unsicher sind, starten Sie den Konfigurator mit Ihrer GPU und Ihrem Anwendungsfall – er wird auf Basis beider Faktoren entscheiden.
Erwägenswerte Alternativen
Falls keines der beiden Modelle zu Ihnen passt, finden Sie hier ähnliche Modelle, die Sie sich ansehen könnten.