Mistral Small 3.1

在 Clore.ai 部署 Mistral Small 3.1（24B）——理想的单 GPU 生产模型

Mistral Small 3.1，由 Mistral AI 于 2025 年 3 月发布，是一个 240 亿参数的密集模型 其表现远超其体量。具有 128K 上下文窗口、原生视觉能力、同类最佳的函数调用，以及一个 Apache 2.0 许可证，可以说是在单块 RTX 4090 上能运行的最佳模型。它在大多数基准测试中超越 GPT-4o Mini 和 Claude 3.5 Haiku，并且量化后可舒适地适配消费级硬件。

主要特性

• 24B 密集参数 — 无 MoE 复杂性，部署简洁明了

• 128K 上下文窗口 — RULER 128K 得分 81.2%，优于 GPT-4o Mini（65.8%）

• 原生视觉 — 分析图像、图表、文档和屏幕截图

• Apache 2.0 许可证 — 完全开放用于商业和个人用途

• 高级函数调用 — 原生工具使用并输出 JSON，适合代理式工作流

• 多语言 — 支持 25+ 语言，包括中日韩、阿拉伯语、印地语和欧洲语言

要求

组件	已量化（Q4）	全精度（BF16）
GPU	1× RTX 4090 24GB	2× RTX 4090 或 1× H100
显存	~16GB	~55GB
内存	32GB	64GB
磁盘	20GB	50GB
CUDA	11.8+	12.0+

Clore.ai 建议：RTX 4090（约 $0.5–2/天）用于量化推理 — 最佳性价比

使用 Ollama 快速入门

运行 Mistral Small 3.1 的最快方法：

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 运行 Mistral Small 3.1（自动下载约 14GB Q4 量化模型）
ollama run mistral-small3.1

# 或指定特定量化
ollama run mistral-small3.1:24b-instruct-2503-q4_K_M

Ollama 作为兼容 OpenAI 的 API

# 启动 Ollama 服务器
ollama serve &

# 拉取模型
ollama pull mistral-small3.1

# 通过 API 查询
curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-small3.1",
    "messages": [
      {"role": "system", "content": "你是一个乐于助人的编码助理。"},
      {"role": "user", "content": "为速率限制编写一个 Python 装饰器"}
    ],
    "temperature": 0.15
  }'

带视觉能力的 Ollama

# 发送图像进行分析
curl http://localhost:11434/api/chat -d '{
  "model": "mistral-small3.1",
  "messages": [{
    "role": "user",
    "content": "这张图片显示了什么？",
    "images": ["/path/to/image.jpg"]
  }]
}'

vLLM 设置（用于生产）

针对具有高吞吐量和并发请求的生产工作负载：

# 安装 vLLM（需要 v0.8.1+）
pip install -U vllm

# 验证已安装 mistral_common（应自动安装）
python -c "import mistral_common; print(mistral_common.__version__)"

在单 GPU 上服务（仅文本）

vllm serve mistralai/Mistral-Small-3.1-24B-Instruct-2503 \
  --tokenizer-mode mistral \
  --config-format mistral \
  --load-format mistral \
  --tool-call-parser mistral \
  --enable-auto-tool-choice \
  --max-model-len 32768 \
  --gpu-memory-utilization 0.90

带视觉功能的服务（建议 2 块 GPU）

vllm serve mistralai/Mistral-Small-3.1-24B-Instruct-2503 \
  --tokenizer-mode mistral \
  --config-format mistral \
  --load-format mistral \
  --tool-call-parser mistral \
  --enable-auto-tool-choice \
  --limit-mm-per-prompt 'image=10' \
  --tensor-parallel-size 2 \
  --max-model-len 65536

查询服务器

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

response = client.chat.completions.create(
    model="mistralai/Mistral-Small-3.1-24B-Instruct-2503",
    messages=[
        {"role": "system", "content": "你是一个乐于助人的助手。今天是 2026-02-20。"},
        {"role": "user", "content": "用 FastAPI 编写一个完整的带 CRUD 操作的博客 REST API"}
    ],
    temperature=0.15,
    max_tokens=4096
)
print(response.choices[0].message.content)

HuggingFace Transformers

用于直接的 Python 集成和实验：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "mistralai/Mistral-Small-3.1-24B-Instruct-2503"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    load_in_4bit=True  # 4 位量化 — 可适配 24GB GPU
)

messages = [
    {"role": "system", "content": "你是一个乐于助人的编码助理。"},
    {"role": "user", "content": "在 Python 中实现一个二叉搜索树，包含插入、删除和查找方法"}
]

input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)

output = model.generate(
    input_ids,
    max_new_tokens=2048,
    temperature=0.15,
    do_sample=True
)
print(tokenizer.decode(output[0][input_ids.shape[-1]:], skip_special_tokens=True))

函数调用示例

Mistral Small 3.1 是用于工具使用的最佳小型模型之一：

import json
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_stock_price",
            "description": "获取指定股票代码的当前股价",
            "parameters": {
                "type": "object",
                "required": ["ticker"],
                "properties": {
                    "ticker": {"type": "string", "description": "股票代码（例如：AAPL）"}
                }
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "calculate_portfolio_value",
            "description": "根据持仓计算投资组合总价值",
            "parameters": {
                "type": "object",
                "required": ["holdings"],
                "properties": {
                    "holdings": {
                        "type": "array",
                        "items": {
                            "type": "object",
                            "properties": {
                                "ticker": {"type": "string"},
                                "shares": {"type": "number"}
                            }
                        }
                    }
                }
            }
        }
    }
]

response = client.chat.completions.create(
    model="mistralai/Mistral-Small-3.1-24B-Instruct-2503",
    messages=[{"role": "user", "content": "当前 AAPL 和 MSFT 的价格是多少？"}],
    tools=tools,
    tool_choice="auto",
    temperature=0.15
)

for tool_call in response.choices[0].message.tool_calls:
    print(f"Call: {tool_call.function.name}({tool_call.function.arguments})")

Docker 快速开始

# 单 GPU 部署
docker run --gpus all -p 8000:8000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  vllm/vllm-openai:latest \
  --model mistralai/Mistral-Small-3.1-24B-Instruct-2503 \
  --tokenizer-mode mistral \
  --config-format mistral \
  --load-format mistral \
  --tool-call-parser mistral \
  --enable-auto-tool-choice \
  --max-model-len 32768

# 带视觉支持（2 GPU）
docker run --gpus all -p 8000:8000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  vllm/vllm-openai:latest \
  --model mistralai/Mistral-Small-3.1-24B-Instruct-2503 \
  --tokenizer-mode mistral \
  --config-format mistral \
  --load-format mistral \
  --tool-call-parser mistral \
  --enable-auto-tool-choice \
  --limit-mm-per-prompt 'image=10' \
  --tensor-parallel-size 2

给 Clore.ai 用户的提示

• RTX 4090 是最佳选择：以 $0.5–2/天 的成本，单块 RTX 4090 可以运行量化后的 Mistral Small 3.1 并有余地。对于通用 LLM，在 Clore.ai 上具有最佳性价比。

• 使用较低温度：Mistral AI 建议 temperature=0.15 用于大多数任务。较高的温度会导致该模型输出不一致。

• RTX 3090 也可用：以 $0.3–1/天 的成本，RTX 3090（24GB）可用 Ollama 运行 Q4 量化模型。速度略逊于 4090，但价格约为一半。

• Ollama 适合快速设置，vLLM 适合生产：Ollama 可在 60 秒内让你得到可用模型。对于并发 API 请求和更高吞吐量，请切换到 vLLM。

• 函数调用让它与众不同：许多 24B 模型能进行对话——很少能可靠地调用工具。Mistral Small 3.1 的函数调用可与 GPT-4o Mini 媲美。可以自信地构建代理、API 后端和自动化流水线。

# 使用固定种子以获得一致结果

问题	解决方案
OutOfMemoryError 在 RTX 4090 上	通过 Ollama 使用量化模型或 load_in_4bit=True 在 Transformers 中。全 BF16 需约 55GB。
Ollama 未找到模型	使用 ollama run mistral-small3.1 （官方库名称）。
vLLM 分词器错误	始终传递 --tokenizer-mode mistral --config-format mistral --load-format mistral.
输出质量差	设置 temperature=0.15。添加系统提示。Mistral Small 对温度较为敏感。
视觉在 1 块 GPU 上无法工作	视觉功能需要更多显存。使用 --tensor-parallel-size 2 或减少 --max-model-len.
函数调用返回为空	添加 --tool-call-parser mistral --enable-auto-tool-choice 到 vLLM serve。

延伸阅读

• HuggingFace 上的 Mistral Small 3.1

• Mistral AI 博客文章

• Ollama 模型页面

• vLLM 文档

• Mistral Common 库

• Mistral AI 平台