Memoria en cada precisión
| Versión | Pesos | Con contexto | Mac más pequeña |
|---|---|---|---|
| 8 bits | 126 GB | 137 GB | 192 GB |
| 6 bits | 96,7 GB | 104 GB | 192 GB |
| 4 bits | 66,9 GB | 72,3 GB | 128 GB |
| 3 bits menor calidad | 52,1 GB | 56,3 GB | 96 GB |
| 2 bits menor calidad | 37,2 GB | 40,2 GB | 64 GB |
En cada chip de Apple
El tamaño de memoria más pequeño de cada chip que ejecuta Mistral Small 4 (119B), la mejor versión que cabe y la velocidad de escritura que puedes esperar.
| Chip | Necesita | Versión | Tokens/s |
|---|---|---|---|
| M6 | no cabe en ningún tamaño | Demasiado grande | – |
| M5 Ultra | 256 GB | 8 bits Va bien | 78–139 |
| M5 Max | 128 GB | 4 bits Va bien | 75–133 |
| M5 Pro | 64 GB | 2 bits Va bien | 69–123 |
| M5 | no cabe en ningún tamaño | Demasiado grande | – |
| M4 Max | 128 GB | 4 bits Va bien | 66–118 |
| M4 Pro | 64 GB | 2 bits Va bien | 61–109 |
| M4 | no cabe en ningún tamaño | Demasiado grande | – |
| M3 Ultra | 256 GB | 8 bits Va bien | 53–95 |
| M3 Max | 128 GB | 4 bits Va bien | 49–86 |
| M3 Pro | no cabe en ningún tamaño | Demasiado grande | – |
| M3 | no cabe en ningún tamaño | Demasiado grande | – |
| M2 Ultra | 128 GB | 4 bits Va bien | 97–173 |
| M2 Max | 64 GB | 2 bits Va bien | 90–160 |
| M2 Pro | no cabe en ningún tamaño | Demasiado grande | – |
| M2 | no cabe en ningún tamaño | Demasiado grande | – |
| M1 Ultra | 128 GB | 4 bits Va bien | 97–173 |
| M1 Max | 64 GB | 2 bits Va bien | 90–160 |
| M1 Pro | no cabe en ningún tamaño | Demasiado grande | – |
| M1 | no cabe en ningún tamaño | Demasiado grande | – |
Cómo ejecutarlo
- La forma fácil: descarga MLX Harness, gratis y de código abierto. Busca Mistral Small 4 (119B), descarga la versión que encaja con tu Mac y empieza a chatear. MLX Harness también ofrece el modelo a tus otras apps mediante una API compatible con OpenAI.Descarga MLX HarnessGratis · Apple Silicon · macOS 14.5 o posterior
- En Terminal, con MLX de Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/Mistral-Small-4-119B-2603-4bitVersión MLX: mlx-community/Mistral-Small-4-119B-2603-4bit en Hugging Face. Las demás precisiones están justo al lado.
Paso a paso: descargar y ejecutar LLM en tu Mac · cómo usar MLX Harness · MLX vs Ollama vs llama.cpp
Sobre Mistral Small 4 (119B)
| Creado por | Mistral AI |
|---|---|
| Parámetros | 119B en total · 6,5B activos (mezcla de expertos) |
| Contexto | 256K tokens |
| Licencia | Apache-2.0 |
| Lanzamiento | 2026-01 |
| Entrada | Texto e imágenes |
| Inteligencia | 11,3 en el Artificial Analysis Intelligence Index |
| Pesos | mistralai/Mistral-Small-4-119B-2603 |
Preguntas
- ¿Cuánta memoria necesita Mistral Small 4 (119B)?
- Unos 66,9 GB de pesos a 4 bits, más espacio para el contexto: 72,3 GB en total. En una Mac, eso significa 128 GB de memoria unificada o más, porque macOS deja que la GPU use alrededor del 75 % de forma predeterminada.
- ¿Qué tan rápido va Mistral Small 4 (119B) en una Mac?
- La velocidad de escritura depende del ancho de banda de memoria. Aquí, la Mac más rápida para este modelo es una con M2 Ultra y 128 GB, a unos 97–173 tokens por segundo (4 bits). La Mac más pequeña que lo ejecuta, con 128 GB, logra unos 97–173 con un M2 Ultra.
- ¿Por qué Mistral Small 4 (119B) va más rápido de lo que sugiere su tamaño?
- Es un modelo de mezcla de expertos: mantiene 119B parámetros en memoria, pero solo lee 6,5B en cada token, así que escribe a la velocidad de un modelo mucho más pequeño.
Modelos similares
Para la ficha de tu modelo o tu README
Muestra la Mac más pequeña que ejecuta bien Mistral Small 4 (119B) y enlaza a esta página.
[](https://mlx.app/run/mistral-small-4)Cómo se calcula
Memoria: los parámetros del modelo a 8, 6, 4, 3 o 2 bits por peso más las escalas por grupo de MLX (medio bit por peso), o su formato nativo, con espacio extra para el contexto. De forma predeterminada, macOS deja que la GPU use alrededor del 75 % de la memoria unificada. Velocidad: el ancho de banda de memoria dividido entre los bytes leídos por token es el techo para una conversación; en los benchmarks públicos de Apple Silicon de llama.cpp, las ejecuciones reales alcanzan entre el 45 % y el 80 % de ese techo, que es el rango que se muestra. Son estimaciones, no mediciones: mide tu propia Mac en MLX Bench. Datos de los modelos tomados de cada ficha oficial; datos de los chips, de las especificaciones técnicas de Apple. Revisado el 2026-10-19. Los mismos datos que mlx.app/compare.