快速判断

快速判断

mistral-small:22b 是一个在 24GB VRAM 上运行的重型模型 (5.5 tok/s)。它最适合离线批处理、概念验证或云回退场景。在尝试交互式使用之前，请减少上下文或降低量化级别。

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，其吞吐量排名18个模型中的第14位。下一个更快的模型是 gemma3:27b (5.5 tok/s，快 0%)。下一个更慢的模型是 qwen3.5:122b (4.9 tok/s，慢 11%)。

日常目标很简单：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
• 大小级别： 大型
• 性能级别： 重型
• RTX 3090 速度： 5.5 tok/s
• 延迟： 16300 毫秒
• 测试时间： 2026-09-09T07:21:06Z
• 基准命令：

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，将本地推理速度与云租赁（RunPod, Vast）进行比较的用户。
• 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中表现良好。
• 上下文长度：在假定生产就绪之前，请务必在您的目标上下文长度下进行测试。
• 量化权衡：较低的量化级别可以节省 VRAM，但可能会降低在细致任务上的输出质量。

验证基准锚点

• gpt-oss:20b: 156.1 tok/s | latency 1524 ms | test 2026-04-29T05:39:58Z
• qwen3-coder:30b: 84.4 tok/s | latency 7842 ms | test 2026-09-09T07:21:06Z
• qwen2.5:14b: 84.0 tok/s | latency 946 ms | test 2026-04-29T05:39:58Z
• nemotron-3-nano:30b: 57.0 tok/s | latency 2468 ms | test 2026-04-01T11:53:50Z
• deepseek-r1:14b: 52.9 tok/s | latency 2724 ms | test 2026-09-09T07:21:06Z

RTX 3090 决策指南

1. 云服务可能更优：在 24GB 上以 5.5 tok/s 的速度运行，mistral-small:22b 在 RunPod 或 Vast 上可能更具成本效益。
2. 积极缩减：降至 Q4 或 IQ4 并最小化上下文以适应 VRAM。
3. 仅限离线：不要依赖此模型进行交互式或实时本地工作负载。
4. 硬件路径：如果您每天运行此大小的模型，请考虑多 GPU 或云作为永久解决方案。

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 — 相同大小级别，5 tok/s 对比 156 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，而您无需支付额外费用。