快速结论

mistral-small:22b 在24GB RTX 3090上是一个中等速度的通用模型 (62.2 tok/s)。它值得在本地测试，适用于批处理或离线工作负载。对于实时交互使用，在投入使用前，请使用您典型的提示长度测量端到端延迟。

mistral-small:22b 在更高量化级别下接近24GB的边界。如果您在RTX 3090上需要上下文余量，请考虑Q4或Q5。在此RTX 3090上当前测量的模型中，其吞吐量排名18个模型中的第7位。下一个更快的模型是deepseek-r1:14b (81.2 tok/s，快31%)。下一个更慢的模型是nemotron-3-nano:30b (57.0 tok/s，慢9%)。

每日目标很简单：帮助3090拥有者决定今晚下载什么、跳过什么，以及何时云端回退是更好的时间利用方式。

今日推荐

模型： mistral-small:22b
类别： 通用
规模层级： 大型
性能层级： 中等
RTX 3090 速度： 62.2 tok/s
延迟： 1727 毫秒
测试时间： 2026-07-01T06:49:08Z
基准命令：

ollama run mistral-small:22b

谁应该尝试

RTX 3090 拥有者，决定今晚是否下载mistral-small:22b进行本地实验。
在确定工作流程之前，将本地推理速度与云租赁（RunPod, Vast）进行比较的用户。
任何构建本地LLM工具箱并希望获得此模型验证基准的用户。

谁应该跳过

在持续运行得到验证之前，需要长上下文生产稳定性的用户。
工作负载要求在并发下具有可预测的p95延迟的团队。
8GB/12GB GPU 拥有者，除非存在更小量化的变体。

关注点

工作负载特定测试：通用基准测试不能保证在您的特定用例中表现良好。
上下文长度：在假设生产就绪之前，务必在您的目标上下文长度下进行测试。
量化权衡：较低的量化可节省 VRAM，但可能会降低细微任务的输出质量。

验证基准锚点

qwen3-coder:30b：157.6 tok/s | 延迟 853 毫秒 | 测试 2026-07-01T06:49:08Z
gpt-oss:20b：156.1 tok/s | 延迟 1524 毫秒 | 测试 2026-04-29T05:39:58Z
qwen3:8b：136.4 tok/s | 延迟 1281 毫秒 | 测试 2026-07-01T06:49:08Z
ministral-3:14b：88.1 tok/s | 延迟 1860 毫秒 | 测试 2026-07-01T06:49:08Z
qwen2.5:14b：84.0 tok/s | 延迟 946 毫秒 | 测试 2026-04-29T05:39:58Z

RTX 3090 决策指南

批处理是最佳选择：mistral-small:22b最适合离线/批处理作业，其中吞吐量比单次延迟更重要。
在您的上下文长度下进行测试：中等速度的模型在较长上下文下可能会显著变慢。
量化选择很重要：从Q8到Q4可以提高速度，但首先要测试质量下降情况。
云端回退计划：如果本地延迟未达到您的目标，请使用RunPod/Vast进行时间敏感的运行。

待验证的比较

mistral-small:22b 与基准测试源中下一个最快和下一个最慢的模型进行比较。
mistral-small:22b 与 qwen3-coder:30b — 相同规模层级，62 vs 158 tok/s。
mistral-small:22b 的本地功耗成本与相同工作负载下 A100 租赁成本的比较。

后续行动

估算 VRAM 适配：/en/tools/vram-calculator/
模型页面：/en/models/mistral-small-22b-q4/
基准测试更新日志：/en/benchmarks/changelog/
本地硬件路径：/en/affiliate/hardware-upgrade/
云端回退：/go/runpod 和 /go/vast

联盟披露：此帖子可能包含联盟链接。LocalVRAM 可能会赚取佣金，而您无需支付额外费用。