01Ce qu'il sait faire
Points forts
- 68.0% SWE-Bench
- Tient sur RTX 4090
- Apache 2.0
- Lab français
Limites à connaître
- —Pas de vision
Architecture
Dense 24B · base Mistral · 256k ctx · post-trainé code
Entraînement
Codéveloppé avec All Hands AI.
Idéal pour
Copilot localAgents codeRefactor
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
14 Go
Q5_K_M
Bon compromis qualité/taille
17 Go
Q8_0
Quasi-indistinguable de FP16
26 Go
FP16
Pleine précision — usage serveur
48 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 24 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Benchmarks publics
Scores reproduits depuis les model cards ou MMLU-Pro / communautaires. Unité : % bonnes réponses.
SWE-Bench
68
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run devstral-small2:24b
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.