Devstral Small 2 24B
Devstral Small 2 24BをQ4_K_M・8kコンテキストで動かすには、16.3GBのVRAMが必要です（2026年10月16日に確認したconfig.jsonから計算）。収まる最小のGPUのメモリは24GBで、動くデスクトップ向けGPUのなかで最も速いRTX 5090では、生成速度は約90トークン/秒です。
- パラメータ
- 24B
- コンテキスト長
- 262,144トークン
- ライセンス
- Apache 2.0
- 公開
- 2025年12月
- config.jsonの確認日
- 2026年10月16日
Devstral Small 2 24BをローカルLLM動作チェッカーで開く
どのメモリ容量のGPUで動くか
必要量16.3GBを、メモリ容量ごとに比べます。モデルが使えるのはGPUのメモリの95%までで、色が付いているのは残りの容量か、足りない容量だけです。「ぎりぎり」は85%を超える場合で、長い会話に使える余裕はほとんどありません。
ほかの量子化やコンテキスト長、Q8のKVキャッシュはLLM VRAM計算ツールで試せます。
計算・2026年10月16日どのGPUを選ぶか
このサイトで扱うGPUのうち、Q4_K_M・8kコンテキストで読み込める最小のものはRX 7900 XT（20GB）です。必要量は16.3GBで、生成速度は推定40トークン/秒です。余裕を持って使いたい場合、つまり32,768トークンのコンテキストを確保しつつメモリ使用率を85%未満に抑えたい場合は、RTX 3090（24GB）に上げましょう。その場合の必要量は20.3GBで、生成速度は約47トークン/秒です。
ほぼ劣化のないQ8_0なら、収まる最小のGPUはRTX 5090（32GB）で、必要量は28.3GBです。Appleシリコンでは、Mac mini M4 Proなら32,768トークンのコンテキストを含めて保持でき、生成速度は推定14トークン/秒です。ただしプロンプト処理はNVIDIAより遅く、長い文書ではその差がはっきり出ます。ユニファイドメモリのデスクトップでは、Ryzen AI Max+ 395が32,768トークンのコンテキストを20.3GBで保持でき、生成速度は推定13トークン/秒です。
GPU別の生成速度
| GPU | 動く？ | 推定トークン/秒 | 体感 | メモリ | メモリ帯域幅 |
|---|---|---|---|---|---|
| H100 SXM | 動く | ≤ 168 | 読むより速い | 80GB | 3,350GB/s |
| A100 | 動く | ≤ 103 | 読むより速い | 80GB | 2,039GB/s |
| RTX 5090 | 動く | 90 | 読むより速い | 32GB | 1,792GB/s |
| RTX PRO 6000 Blackwell | 動く | 90 | 読むより速い | 96GB | 1,792GB/s |
| RTX PRO 5000 Blackwell | 動く | 68 | 読むより速い | 48GB | 1,344GB/s |
| RTX 4090 | 動く | 51 | チャットなら快適 | 24GB | 1,008GB/s |
| RX 7900 XTX | 動く | 48 | チャットなら快適 | 24GB | 960GB/s |
| RTX 6000 Ada | 動く | 48 | チャットなら快適 | 48GB | 960GB/s |
| RTX 3090 | 動く | 47 | チャットなら快適 | 24GB | 936GB/s |
| RTX PRO 4500 Blackwell | 動く | 45 | チャットなら快適 | 32GB | 896GB/s |
| L40S | 動く | 43 | チャットなら快適 | 48GB | 864GB/s |
| RX 7900 XT | 動く | 40 | チャットなら快適 | 20GB | 800GB/s |
| RTX A6000 | 動く | 39 | チャットなら快適 | 48GB | 768GB/s |
| RTX PRO 4000 Blackwell | 動く | 34 | チャットなら快適 | 24GB | 672GB/s |
| Radeon AI PRO R9700 | 動く | 32 | チャットなら快適 | 32GB | 640GB/s |
| Arc Pro B70 | 動く | 31 | チャットなら快適 | 32GB | 608GB/s |
| Arc Pro B60 | 動く | 23 | 使えるがやや遅い | 24GB | 456GB/s |
| RTX PRO 4000 Blackwell SFF | 動く | 22 | 使えるがやや遅い | 24GB | 432GB/s |
| RTX Spark | 動く | 15 | 使えるがやや遅い | 128GB（GPU用102GB） | 300GB/s |
| DGX Spark | 動く | 14 | 使えるがやや遅い | 128GB（GPU用126GB） | 273GB/s |
| Ryzen AI Max+ 395 | 動く | 13 | 使えるがやや遅い | 128GB（GPU用96GB） | 256GB/s |
| RTX 4060 Ti | 動かない | - | 収まらない | 16GB | 288GB/s |
| RTX 5060 Ti | 動かない | - | 収まらない | 16GB | 448GB/s |
| RTX 5080 | 動かない | - | 収まらない | 16GB | 960GB/s |
| RTX 5070 Ti | 動かない | - | 収まらない | 16GB | 896GB/s |
| RTX 4080 SUPER | 動かない | - | 収まらない | 16GB | 736GB/s |
| RX 9070 XT | 動かない | - | 収まらない | 16GB | 640GB/s |
| RX 9060 XT | 動かない | - | 収まらない | 16GB | 320GB/s |
| RTX 3060 | 動かない | - | 収まらない | 12GB | 360GB/s |
| RTX 4070 | 動かない | - | 収まらない | 12GB | 504GB/s |
| RTX 5070 | 動かない | - | 収まらない | 12GB | 672GB/s |
| Arc B580 | 動かない | - | 収まらない | 12GB | 456GB/s |
シングルストリームの生成速度を、メモリ帯域幅と効率70%から求めた値です。プロンプト処理とバッチ処理は含みません。どれも上限（理論値）で、実測ではありません。Devstral Small 2 24BがQ4で1トークンごとに読む重みはわずか13.9GBです。これほど少ないと、計算式に含まれない1トークンごとのコストが実際の速度を大きく左右します。≤の付いた2個の数値は、実際のランタイムの速度が表示値をもっとも大きく下回る箇所です。ほかの量子化やAppleのハードウェアについては生成速度（トークン/秒）推定ツールを、モデルではなくハードウェアを選んでいる場合は全GPUの比較をご覧ください。
計算・2026年10月16日量子化・コンテキスト長別の必要メモリ
| 量子化 | 4,096トークン | 8,192トークン | 32,768トークン |
|---|---|---|---|
| Q8_0 | 27.6GB（32GBに収まる） | 28.3GB（32GBに収まる） | 32.3GB（48GBに収まる） |
| Q5_K_M | 18.9GB（24GBに収まる） | 19.6GB（24GBに収まる） | 23.6GB（32GBに収まる） |
| Q4_K_M | 15.6GB（24GBに収まる） | 16.3GB（24GBに収まる） | 20.3GB（24GBに収まる） |
重みはQ4で13.9GBです。コンテキストが1,000トークン増えるごとに、FP16のKVキャッシュが約0.164GB増えます。ほかの設定はLLM VRAM計算ツールで試せます。
モデルについて
Devstral Small 2 24Bは24Bパラメータのモデルです。40レイヤーで、KVヘッドは8個（ヘッド次元128）です。Mistralが2025年12月に公開したエージェント型のコーディングモデルです。ツールを使ってコードベースを調べ、複数のファイルを編集し、ソフトウェア開発エージェントを動かすために作られており、MistralはあわせてVibe CLIも公開しました。
テキストと画像 コンテキスト長262,144トークン Apache 2.0 2025年12月公開
思考モード：そのまま回答します。
Mistralのコーディングモデルです。パラメータ数にはビジョンエンコーダが含まれます。テキスト専用のGGUFはわずかに小さくなります。
これはコーディングモデルです。コードの作成・編集や、リポジトリ全体を読むエージェント型のツール向けに調整されています。長いコンテキストがメモリに見合う働きをするのは、まさにこの用途です。
ネイティブのコンテキスト長は262,144トークンです。ライセンスはApache 2.0で、寛容な（permissive）ライセンスです。重みの公開は2025年12月です。
得意なこと
- 24GBのGPU1枚で動かすコーディングエージェント。モデルカードでMistralが挙げている用途です。
- コーディング作業の一部として、スクリーンショットや図を読み取ること
- Apache 2.0なので、製品に組み込めるコーディングモデルとして使えます。
注意点
- 特化型のモデルです。一般的な会話には、同じサイズの汎用モデルのほうが適しています。
- すべてのレイヤーが全長のキャッシュを持つため、長いコンテキストでは、同じ会話に2026年のハイブリッド構成のモデルが使うメモリの数倍が必要です。リポジトリ規模のコンテキストでは、まさにこれが負担になります。
似たモデル
Q4_K_M・8kコンテキストでDevstral Small 2 24Bとほぼ同じメモリを必要とするモデルです。手持ちのGPUで実際に比べる相手になるのは、これらのモデルです。「1kトークンあたり」の列はコンテキストが1,000トークン増えるごとのコストで、同じサイズのモデルの間でもっとも差が出るところです。
| モデル | サイズ | 必要量 | 1kトークンあたり | コンテキスト長 | 公開 |
|---|---|---|---|---|---|
| Devstral Small 2 24B | 24B | 16.3GB | 0.164GB | 256k | 2025年12月 |
| Mistral Small 3.1 24B | 24B | 16.3GB | 0.164GB | 128k | 2025年3月 |
| Gemma 4 26B-A4B (MoE) | 25.8B（アクティブ3.8B） | 16.4GB | 0.02GB | 256k | 2026年3月 |
| Qwen3.8 27B | 27.8B | 18GB | 0.066GB | 256k | 2026年8月 |
| Qwen3.6 27B | 27.8B | 18GB | 0.066GB | 256k | 2026年4月 |
全モデルの比較、8〜96GBに収まるモデル（英語）、クラウドGPUごとの最安の時間料金（英語）もご覧ください。
よくある質問
- Devstral Small 2 24Bは24GBのGPUで動く？
- はい。Q4_K_M・8kコンテキストで約16.3GBが必要で、24GBのGPUに余裕を持って収まります。
- Devstral Small 2 24BをQ8で動かすには、VRAMはどれくらい必要？
- 8kコンテキストで約28.3GB、32kコンテキストでは32.3GBです。Q8はほぼ劣化がないので、収まるならQ8を使うのがおすすめです。
- Devstral Small 2 24Bのコンテキスト長は？
- ネイティブで262,144トークンです。すべてをQ4_K_Mで保持すると約57.9GBが必要で、そのうち42.9GBがコンテキストの分です。
- Devstral Small 2 24BはRTX 4090でどれくらいの速さ？
- Q4・シングルストリームでの上限は約51トークン/秒で、体感は「チャットなら快適」にあたります。これはGPUのメモリ帯域幅から求めた上限で、実測ではありません。
- アーキテクチャの値は、Hugging Faceのmistralai/Devstral-Small-2-24B-Instruct-2512にあるconfig.jsonから読み取り、2026年10月16日に確認しています。このページの数値はすべてこれらの値から計算しています。このモデルのためにハードウェアを買う前に、元の値を確認してください。
- 推定値は、ほかに何も動いていないGPUで会話を1つだけ扱う前提です。同じGPUでデスクトップ環境も動かすと、0.5〜2GBが使われます。