/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Devstral-Small-2-24B-Instruct-2512
Библиотека
gguf
Опубликована
30 авг 2026

Devstral-Small-2-24B-Instruct-2512-GGUF

Изображение и текст → текст15 профессий

Devstral-Small-2-24B-Instruct-2512-GGUF — это мультимодальная GGUF-сборка исходной instruct-модели Devstral-Small-2-24B-Instruct-2512, разработанной Mistral AI.

3 524скачиваний за 30 дней4лайкавеса обновлены4 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель упакована и квантована для локального запуска в llama.cpp и рабочей среде Backpack. Она поддерживает текстовые и графические входные данные и генерирует текст.

Модель построена на архитектуре Mistral3ForConditionalGeneration и содержит около 24 млрд параметров. Точная длина контекста в карточке не указана. Для обработки изображений требуется отдельный мультимодальный проектор F16 размером около 837,4 MiB. Доступны варианты квантования Q4_K_M, Q5_K_M и Q8_0; рекомендуемым для большинства пользователей назван Q4_K_M, обеспечивающий практический баланс качества, размера и скорости. Оценочный объём оперативной памяти составляет от 21,23 до 35,7 ГБ в зависимости от варианта, но фактическое потребление зависит от конфигурации запуска и длины контекста.

Модель предназначена для диалогов, генерации кода, структурированных аргументов инструментов, tool calling и многошаговых циклов взаимодействия с инструментами. В тестах прошли проверки загрузки, инференса и токенизатора для всех вариантов квантования, а также детерминированные проверки перечисленных возможностей для Q4_K_M. Языки, специальные показатели качества и ограничения исходной модели в README не указаны. Квантование может влиять на качество ответов. Распространение осуществляется по лицензии Apache-2.0 с необходимостью учитывать условия upstream-модели.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Devstral-Small-2-24B-Instruct-2512 — Backpack GGUF

GGUF quantizations of mistralai/Devstral-Small-2-24B-Instruct-2512, tested for llama.cpp-compatible image-and-text inference and packaged for Backpack.

Model

PropertyValue
Original modelmistralai/Devstral-Small-2-24B-Instruct-2512
Original publishermistralai
Upstream revision55c5b41e98c2dbd21b0c8afffc540dcfc9eb5128
ArchitectureMistral3ForConditionalGeneration
Parameters24,011,361,840
Context lengthNot declared
Input modalitiestext, image
Output modalitiestext
Licenseapache-2.0

Available packages

QuantizationSizeApprox. RAMRecommended for
Q4_K_M13.3 GiB21.23 GBMost users
Q5_K_M15.6 GiB24.51 GBHigher quality
Q8_023.3 GiB35.7 GBPlenty of memory

Memory values are estimates, not guarantees. Runtime configuration and context length change actual use.

Multimodal projector

FilePrecisionSize
Devstral-Small-2-24B-Instruct-2512-mmproj-F16.ggufF16837.4 MiB

The projector is required for image input and must be used with one of the language-model GGUF files above.

Backpack recommendation

Recommended: Q4_K_M. It usually offers a practical quality, size, and speed balance for local inference.

Run with llama.cpp

Using the llama.cpp revision recorded below:

llama-mtmd-cli --model Devstral-Small-2-24B-Instruct-2512-Q4_K_M.gguf --mmproj Devstral-Small-2-24B-Instruct-2512-mmproj-F16.gguf --image image.jpg --prompt "Describe this image."

Run with Backpack

These artifacts and backpack-model.yaml are prepared for the Backpack AI workspace.

Validation

PackageIntegrityLoadInferenceTokenizer
Q4_K_Mpassedpassedpassedpassed
Q5_K_Mpassedpassedpassedpassed
Q8_0passedpassedpassedpassed

Capability qualification: code

Tested with Devstral-Small-2-24B-Instruct-2512-Q4_K_M.gguf. These are deterministic smoke tests, not benchmark scores.

CapabilityStatus
chatpassed
code_generationpassed
structured_tool_argumentspassed
tool_callingpassed
multi_turn_tool_looppassed
  • Packaged: 2026-08-30T16:36:59.071073+00:00

  • llama.cpp revision: bdf3955159d7184f44b76091973eeff532890a35

  • SHA-256 checksums: see checksums.sha256

  • Devstral-Small-2-24B-Instruct-2512-Q4_K_M.gguf: e78a384e8f62862fa111a0ead8ff1d8f1373f0b17d00509b5cc77e91ee960a71

  • Devstral-Small-2-24B-Instruct-2512-Q5_K_M.gguf: bc963f56b456eb681e8cc966314b7ba2919b0ac26dd514cd5fef5bff7db65706

  • Devstral-Small-2-24B-Instruct-2512-Q8_0.gguf: d8e3a8fb757957d5beb11514e37b9b907707d08be38d5e494a63e514a4b7138f

  • Devstral-Small-2-24B-Instruct-2512-mmproj-F16.gguf: 54fec1ceaf733d4f2ddc265c879997da7c675ade6d330f52d7e6e5f62a4738fd

Provenance

The source model was resolved to immutable revision 55c5b41e98c2dbd21b0c8afffc540dcfc9eb5128. It was converted with llama.cpp's convert_hf_to_gguf.py, including its multimodal projector, and quantized with llama-quantize; the exact tested revision is recorded above and in backpack-model.yaml.

License and attribution

Upstream declares apache-2.0. Review the upstream model card and comply with all applicable terms.

Backpack does not claim ownership of the original model. These artifacts are packaged and quantized distributions of the upstream model.

Disclaimer

Quantization can alter output quality. Memory estimates vary with runtime configuration, context length, and hardware.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
a2d1a87

0 моделей