mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit
mlx-communitys mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit vereint 24 Milliarden Parameter in einem Chat-Modell. mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit is an open-weights chat model with roughly 24 billion parameters.
by mlx-community · 24 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren mlx-community-API-Key ein. osFoundry erkennt mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit automatisch — weisen Sie es im Pipeline-Tab einer Maestro-Rolle (Router, Direct, Orchestrator oder Fallback) zu, und es ist in jedem Chat verfügbar. Ihr Key, Ihr Provider-Konto — kein Token-Aufschlag.
Dedizierten Endpunkt bereitstellen
mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit ist Open-Weights — betreiben Sie es lokal kostenlos oder stellen Sie in Ihrem Workspace einen dedizierten GPU-Endpunkt für reservierte Kapazität ohne Rate Limits bereit.
In einer Room App verwenden
Room Apps deklarieren KI-Funktionen in ihrem Manifest und rufen sie anschließend mit invokeAI auf:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Aus eigenen Anwendungen aufrufen
Sobald ein Modell in Ihrem Workspace eingerichtet ist, können Sie es als API hosten und aus Ihren eigenen Diensten, Skripten oder CI — außerhalb von osFoundry — erreichen.
Welche Hardware kann mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit ausführen
mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit läuft auf eine einzelne 16GB-Consumer-GPU (~15 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~58 GB).
mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit im Vergleich zu ähnlichen Modellen
Lizenz
Nicht angegeben — Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung.
Konsultieren Sie die Upstream-Dokumentation.
Häufige Fragen zu mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit
Ist mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit kostenlos nutzbar?
mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit kann auf Ihrer eigenen Hardware kostenlos lokal betrieben werden. Der gehostete Zugriff über osFoundry wird abgerechnet (Input Free (local), Output Free (local)). Sie können jederzeit zwischen lokal und gehostet wechseln.
Kann ich mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit kommerziell nutzen?
Kommerzielle Nutzung ist unter bestimmten Bedingungen erlaubt. Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung. Konsultieren Sie die Upstream-Dokumentation.
Wie viel VRAM benötigt mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit?
Etwa 15 GB bei Q4-Quantization oder 58 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit lokal betreiben?
Ja. mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit besonders gut?
mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit eignet sich besonders für text generation.
Wie verwende ich mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit in osFoundry?
Fügen Sie Ihren mlx-community-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit im Pipeline-Tab einer Maestro-Rolle zu und nutzen Sie es anschließend im Chat, in Room Apps über invokeAI oder in Ihren eigenen Anwendungen.
Veröffentlicht von mlx-community am 14. Dezember 2025. Quelle: https://huggingface.co/mlx-community/mistralai_Devstral-Small-2-24B-Instruct-2512-MLX-5Bit