mistral-small:22b：RTX 3090 历史测速与使用边界

快速结论

mistral-small:22b 在 24GB RTX 3090 上是一个中等速度的通用模型 (59.0 tok/s)。对于批处理或离线工作负载，值得在本地进行测试。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 边界。如果您在 RTX 3090 上需要上下文余量，请考虑 Q4 或 Q5。在目前测量的 RTX 3090 模型中，它的吞吐量排名18 个模型中的第 7 位。下一个更快的模型是 deepseek-r1:14b (78.9 tok/s，快 34%)。下一个更慢的模型是 nemotron-3-nano:30b (57.0 tok/s，慢 3%)。

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。

今日精选

• 模型： mistral-small:22b
• 类别： 通用
• 尺寸级别： 大型
• 性能级别： 中等
• RTX 3090 速度： 59.0 tok/s
• 延迟： 1890 ms
• 测试时间： 2026-08-19T03:08:42Z
• 基线命令：

ollama run mistral-small:22b

谁应该尝试

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

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，除非存在更小的量化变体。

注意事项

• 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上的性能。
• 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。

已验证的基准锚点

• gpt-oss:20b: 156.1 tok/s | latency 1524 ms | test 2026-04-29T05:39:58Z
• qwen3-coder:30b: 151.0 tok/s | latency 1003 ms | test 2026-08-19T03:08:42Z
• qwen3:8b: 128.3 tok/s | latency 1404 ms | test 2026-08-19T03:08:42Z
• ministral-3:14b: 85.6 tok/s | latency 1963 ms | test 2026-08-19T03:08:42Z
• qwen2.5:14b: 84.0 tok/s | latency 946 ms | test 2026-04-29T05:39:58Z

RTX 3090 决策指南

1. 批处理是最佳选择：mistral-small:22b 最适合离线/批处理作业，在这些作业中吞吐量比单次延迟更重要。
2. 在您的上下文长度下进行测试：中等速度的模型在较长的上下文中可能会显著变慢。
3. 量化选择很重要：从 Q8 切换到 Q4 可以提高速度，但请先测试质量下降情况。
4. 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 gpt-oss:20b — 相同尺寸级别，59 tok/s 对比 156 tok/s。
• mistral-small:22b 本地功耗成本与相同工作负载下 A100 租赁成本的比较。

下一步行动

• 估算 VRAM 适用性：/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 and /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，您无需支付额外费用。