Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é um modelo de 24 bilhões de parâmetros de chat da alankessler, lançado em 11 de março de 2026. Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 is an open-weights chat model with roughly 24 billion parameters.
by alankessler · 24B parâmetros
Ideal para
- chat e roteamento de baixa latência
- roteamento e triagem de requisições
- classificação de texto
Como usar Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da alankessler. O osFoundry descobre Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 automaticamente — atribua-o a um papel do Maestro (router, direct, orchestrator ou fallback) na aba Pipeline e ele estará ativo em cada chat. Sua chave, sua conta no provedor — sem markup sobre tokens.
Implante um endpoint dedicado
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é open-weights — execute localmente sem custo, ou implante um endpoint GPU dedicado no seu workspace para capacidade reservada sem limites de taxa.
Use em um Room App
Os Room Apps declaram recursos de IA em seus manifestos e os chamam com invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Chame a partir dos seus próprios apps
Uma vez que um modelo está conectado ao seu workspace, você pode hospedá-lo como uma API e acessá-lo a partir dos seus próprios serviços, scripts ou CI — fora do osFoundry.
Quais hardwares rodam Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 roda em uma única GPU de consumo de 16GB (~15 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~58 GB).
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 vs modelos semelhantes
Licença
Não especificada — Termos de licença não especificados — verifique o model card original antes do uso comercial.
Consulte a documentação original.
Perguntas frequentes sobre Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é gratuito?
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é gratuito para rodar localmente no seu próprio hardware. O acesso hospedado via osFoundry é medido (entrada Free (local), saída Free (local)). Você pode alternar entre local e hospedado a qualquer momento.
Posso usar Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 comercialmente?
Uso comercial é permitido com condições. Termos de licença não especificados — verifique o model card original antes do uso comercial. Consulte a documentação original.
Quanta VRAM Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 precisa?
Aproximadamente 15 GB em quantização Q4, ou 58 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 localmente?
Sim. Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é open-weights e roda localmente em uma GPU de workstation. O runtime local do osFoundry cuida do carregamento, da quantização e do roteamento do modelo.
Em que Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é melhor?
Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 é bem adequado para chat e roteamento de baixa latência, roteamento e triagem de requisições, classificação de texto.
Como uso Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 no osFoundry?
Cole sua chave de API da alankessler no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8 a um papel do Maestro na aba Pipeline e use-o em chats, em Room Apps via invokeAI ou nos seus próprios apps.
Publicado pela alankessler em 11 de março de 2026. Fonte: https://huggingface.co/alankessler/Mistral-Small-3.2-24B-Instruct-2506-MLX-mxfp8