01功能特性
优点
- SWE-Bench Verified 77.6%
- τ³-Telecom 91.4%
- 256k ctx
- 多语言视觉支持（24种语言）
- 修改版 MIT 宽松许可证
需了解的局限性
- —Q4 量化下约占 74 GB — 需要配备 4 张 GPU 的工作站
- —大型企业收入条款
架构
128B 稠密模型 · 视觉编码器 · 256k 上下文 · 可配置的推理 · 内置 EAGLE 草稿预测头
训练
Mistral 首个融合式旗舰模型：取代 Le Chat / Vibe 中的 Medium 3.1、Magistral 和 Devstral 2。
最适合的场景
前沿水平的智能体编程长上下文 RAG多语言视觉能力
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run mistral-medium-3.5:128b
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
74 GB
Q5_K_M
质量/体积的良好平衡
91 GB
Q8_0
几乎无法与 FP16 区分
137 GB
FP16
全精度 — 服务器用途
256 GB
CPU 回退 · 如果您没有 GPU，请预留 160 GB 内存 以较低速度运行此模型的最低要求。
运行Mistral Medium 3.5 128B需要什么硬件？
在本地以Q4量化运行Mistral Medium 3.5 128B，大约需要74 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
SWE-Bench Verified
77.6
τ³-Telecom
91.4