【vLLM 学习】Mistral-small

5分钟在本地PC上使用VLLM快速启动Mistral-Small-24B-Instruct-2501 阅读详情

vLLM 是一款专为大语言模型推理加速而设计的框架,实现了 KV 缓存内存几乎零浪费,解决了内存管理瓶颈问题。

更多 vLLM 中文文档及教程可访问 →https://vllm.hyper.ai/

*在线运行 vLLM 入门教程:零基础分步指南

源码 examples/offline_inference/mistral-small.py

# SPDX-License-Identifier: Apache-2.0

# ruff: noqa
import argparse

from vllm import LLM
from vllm.sampling_params import SamplingParams

# 此脚本是用于运行 Mistral-Small-3.1的脱机演示。
#
# 如果要运行服务器/客户端设置,请按以下代码:
#
#  - 服务器:
#
# ```bash
# vllm serve mistralai/Mistral-Small-3.1-24B-Instruct-2503 \
#   --tokenizer-mode mistral --config-format mistral --load-format mistral \
#   --limit-mm-per-prompt 'image=4' --max-model-len 16384
# ```
#
#  - 服务器:
#
# ```bash
# curl --location 'http://<your-node-url>:8000/v1/chat/completions' \
# --header 'Content-Type: application/json' \
# --header 'Authorization: Bearer token' \
# --data '{
#     "model": "mistralai/Mistral-Small-3.1-24B-Instruct-2503",
#     "messages": [
#       {
#         "role": "user",
#         "content": [
#             {"type" : "text", "text": "Describe this image in detail please."},
#             {"type": "image_url", "image_url": {"url": "https://s3.amazonaws.com/cms.ipressroom.com/338/files/201808/5b894ee1a138352221103195_A680%7Ejogging-edit/A680%7Ejogging-edit_hero.jpg"}},
#             {"type" : "text", "text": "and this one as well. Answer in French."},
#             {"type": "image_url", "image_url": {"url": "https://www.wolframcloud.com/obj/resourcesystem/images/a0e/a0ee3983-46c6-4c92-b85d-059044639928/6af8cfb971db031b.png"}}
#         ]
#       }
#     ]
#   }'
# ```
#
# 用法:
#     python demo.py simple
#     python demo.py advanced

def run_simple_demo(args: argparse.Namespace):
    model_name = "mistralai/Mistral-Small-3.1-24B-Instruct-2503"
    sampling_params = SamplingParams(max_tokens=8192)

    # Lower max_model_len and/or max_num_seqs on low-VRAM GPUs.
    # 低 VRAM GPU 上的 lower max_model_len 和/或 max_num_seqs。
    llm = LLM(
        model=model_name,
        tokenizer_mode="mistral",
        config_format="mistral",
        load_format="mistral",
        max_model_len=4096,
        max_num_seqs=2,
        disable_mm_preprocessor_cache=args.disable_mm_preprocessor_cache,
    )

    prompt = "Describe this image in one sentence."
    image_url = "https://picsum.photos/id/237/200/300"

    messages = [
        {
            "role":
            "user",
            "content": [
                {
                    "type": "text",
                    "text": prompt
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": image_url
                    }
                },
            ],
        },
    ]
    outputs = llm.chat(messages, sampling_params=sampling_params)

    print(outputs[0].outputs[0].text)


def run_advanced_demo(args: argparse.Namespace):
    model_name = "mistralai/Mistral-Small-3.1-24B-Instruct-2503"
    max_img_per_msg = 5
    max_tokens_per_img = 4096

    sampling_params = SamplingParams(max_tokens=8192, temperature=0.7)
    llm = LLM(
        model=model_name,
        tokenizer_mode="mistral",
        config_format="mistral",
        load_format="mistral",
        limit_mm_per_prompt={"image": max_img_per_msg},
        max_model_len=max_img_per_msg * max_tokens_per_img,
        disable_mm_preprocessor_cache=args.disable_mm_preprocessor_cache,
    )

    prompt = "Describe the following image."

    url_1 = "https://huggingface.co/datasets/patrickvonplaten/random_img/resolve/main/yosemite.png"
    url_2 = "https://picsum.photos/seed/picsum/200/300"
    url_3 = "https://picsum.photos/id/32/512/512"

    messages = [
        {
            "role":
            "user",
            "content": [
                {
                    "type": "text",
                    "text": prompt
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": url_1
                    }
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": url_2
                    }
                },
            ],
        },
        {
            "role": "assistant",
            "content": "The images show nature.",
        },
        {
            "role": "user",
            "content": "More details please and answer only in French!.",
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": url_3
                    }
                },
            ],
        },
    ]

    outputs = llm.chat(messages=messages, sampling_params=sampling_params)
    print(outputs[0].outputs[0].text)


def main():
    parser = argparse.ArgumentParser(
        description="Run a demo in simple or advanced mode.")

    parser.add_argument(
        "mode",
        choices=["simple", "advanced"],
        help="Specify the demo mode: 'simple' or 'advanced'",
    )

    parser.add_argument(
        '--disable-mm-preprocessor-cache',
        action='store_true',
        help='If True, disables caching of multi-modal preprocessor/mapper.')

    args = parser.parse_args()

    if args.mode == "simple":
        print("Running simple demo...")
        run_simple_demo(args)
    elif args.mode == "advanced":
        print("Running advanced demo...")
        run_advanced_demo(args)


if __name__ == "__main__":
    main()
Mistral Small 4:MoE效率工程与vLLM生产部署实战指南 MoE(混合专家)模型正从学术概念走向边缘与云原生推理的工程核心,其本质是通过稀疏激活平衡计算密度与内存局部性。相比传统Dense Transformer的线性FLOPs增长,MoE以轻量级路由实现参数高效利用,显著降低显存带宽压力和实际推理开销。Apache 2.0许可证进一步释放其在SaaS嵌入、私有化部署及商用产品中的落地潜力。本文聚焦Mistral Small 4这一典型MoE实践案例,深入解析其2-of-2硬路由设计如何适配vLLM的PagedAttention机制,并覆盖CUDA 12.1环境搭 阅读详情

相关推荐

Mistral Small 4:MoE高效推理与SGLang生产部署实战

大语言模型推理正从‘堆参数’转向‘提效率’,MoE(混合专家)架构成为突破算力瓶颈的关键路径。其核心原理在于动态激活稀疏子网络,在保障能力的同时大幅降低显存占用与计算冗余。技术价值体现在单位GPU资源的token吞吐翻倍、P99延迟可控、云成本显著下降。典型应用场景覆盖高并发API服务、金融实时风控、边缘AI部署等对延迟与资源敏感的工程现场。Mistral Small 4正是这一范式的标杆实践——它并非小尺寸模型,而是融合token级专家路由、分块KV缓存与FlashAttention-3算子融合的效率革命

weixin_34112181的博客 420

vllm参数使用详解

本文详细介绍了vLLM模型服务的多种部署场景,包括基础模型加载(单GPU/多GPU/本地模型)、性能优化(张量并行/CPU Offload)、安全配置(API密钥/访问控制)、LoRA适配器加载、多任务处理(文本分类/语音转录/Embedding)以及多模态模型(图片/音频)等特殊场景。通过具体命令和参数说明,展示了如何在不同需求下高效部署和优化vLLM服务。

若不知道要驶向哪个码头,那么任何风都不会是顺风。 3073

Mistral Small 4实战指南:MoE轻量模型高效部署与vLLM生产优化

大语言模型的轻量化部署正成为边缘计算、私有化AI和成本敏感型服务的关键路径。MoE(Mixture of Experts)架构通过稀疏激活显著降低显存占用与延迟,而Apache 2许可证则保障了企业级修改自由与合规安全。本文围绕Mistral Small 4这一典型MoE小模型,解析其Top-1动态路由与专家分组固化如何实现首token延迟≤150ms、显存常驻≤6.2GB的硬指标,并结合vLLM服务部署、CUDA版本适配、SGLang工作流集成及树莓派等边缘设备实测,系统呈现从模型加载、参数调优到生产监控

weixin_29775479的博客 308

verl多模态支持:视觉语言模型的强化学习

在人工智能快速发展的今天,视觉语言模型(Visual Language Models, VLMs)正成为连接视觉理解与语言生成的关键桥梁。然而,传统的监督微调方法往往难以充分挖掘多模态模型的潜力。verl(Volcano Engine Reinforcement Learning)作为业界领先的大语言模型强化学习框架,现已全面支持多模态训练,为视觉语言模型的优化提供了全新的技术路径。 你是否面临...

gitblog_00914的博客 569

Magistral Small本地部署指南:vLLM与Ollama双轨推理实战

结构化推理模型正成为AI工程落地的关键范式,其核心在于将黑箱输出转化为可追溯、可中断、可验证的逻辑链。Magistral Small作为原生支持<think>标记与128K上下文的Apache 2.0开源模型,专为结构化逻辑调试和本地可验证推理流设计。它不依赖参数堆砌,而是通过监督微调+RLHF优化推理路径的透明性与稳定性。在技术实现上,Ollama提供极致本地调试体验,适配Metal/CPU轻量部署;vLLM则以PagedAttention引擎实现高吞吐、低延迟的工业级服务。二者构成‘开发-生产’双轨闭环

weixin_30555515的博客 369

Mistral Small 3.1:24B开源智能体如何实现端到端任务闭环

智能体(Intelligent Agent)是大模型从对话走向自动执行的关键范式,其核心在于将推理、工具调用与上下文管理深度耦合。不同于传统LLM依赖外部编排框架,Mistral Small 3.1通过内建的Tool-Aware Attention、分层上下文感知和YAML原生工具协议,在24B参数规模下实现了低延迟、高可靠的任务闭环能力。该设计显著降低工程胶水成本,支持ERP对接、PDF结构化解析、多源实时数据融合等企业级场景。尤其适合需兼顾合规性、可维护性与生产稳定性的业务系统建设者,是当前少有的开箱即

java2000.net 561

vllm server 命令大全

vllm serve 提供了丰富的配置选项,允许用户根据需求灵活地调整模型服务的各个方面,包括模型加载、推理、并行化、日志记录等。通过合理配置这些选项,可以优化模型的性能和资源利用率。

qq_28269995的博客 5043

Win11系统下Abaqus 2025子程序开发环境一站式配置指南

本文详细介绍了在Win11系统下配置Abaqus 2025子程序开发环境的完整流程,包括VS2022和Intel oneAPI的安装与优化,以及Abaqus 2025的目录规划与环境联调。通过避坑指南和实战案例,帮助用户高效完成开发环境配置,避免常见错误,提升工作效率。

weixin_28717431的博客 334

vllm快速体验

print(output) # 查看返回的具体内容。print(type(output)) # 查看返回值的类型。# 使用 vLLM 生成文本。安装包很大,我这里有6个G。# 定义输入 prompt。4 启动server服务。

蓝色的杯子 1706

SAP中寄售结算规则及要点分析

在做MRKO寄售结算时,系统会根据选定的期间和供应商等条件,将符合条件的寄售消耗或寄售上线的物料凭证找出。然后以供应商为单位。合并产生一张会计凭证。下图显示了通过MRKO结算后自动生成的会计凭证。 那么,在MRKO做寄售结算的规则是什么样的?做为寄售业务处理者的物流和财务需要掌握和了解哪些关于寄售结算的规则和控制逻辑。下面以笔者的经验分析一下: 1、寄售物料在系统中有两种处理方法,一种是通过MB1B 411 K ,通常该操作达到两个目的:将物料从仓库转移到线边库(表示即将要投入生产了)的同时将寄售库

专注SAP应用技术文章写作,致力于拉近用户与系统间的距离; 8297

5分钟快速搭建:使用ros1_bridge实现ROS2容器与ROS1主机的无缝通信

本文详细介绍了如何在5分钟内快速搭建基于ros1_bridge的通信方案,实现运行在Docker容器中的ROS2节点与宿主机ROS1系统的无缝数据交换。通过环境隔离、Docker容器化部署及选择性桥接配置,该方案能有效整合新旧系统,避免大规模代码重构,是机器人项目渐进式升级的实用策略。

weixin_29268637的博客 179

vllm核心引擎逻辑和kvcache和lmcache

vllm的核心引擎逻辑梳理

Lt_jue的博客 1402

xhs私信协议分析

之前分析过xhs的shield算法,今天再聊聊xhs的私信,文章仅供学习参考研究交流,如有侵权请联系删帖。经过抓包分析发现私信接口并不是走的http协议,而是socket协议。而要获取socket包则需要使用wireshark软件1、protobuf的包体中的序号7,多次验证后发现文字信息的需要需要固定成12、protobuf的包体中的序号12,多次验证后发现文字信息的需要需要固定成1后续有时间的话,再研究一下视频和图片格式的私信协议,这次就分析到这里吧。

佛系更新... 3486

Mistral AI 又又又开源了闭源企业级模型——Mistral-Small-Instruct-2409

就在不久前,Mistral 公司在开源了 Pixtral 12B 视觉多模态大模型之后,又开源了自家的企业级小型模型 Mistral-Small-Instruct-2409 (22B),这是 Mistral AI 最新的企业级小型模型,是 Mistral Small v24.02 的升级版。该机型可根据 Mistral Research License 使用,为客户提供了灵活的选择,使其能够在翻译、摘要、情感分析和其他不需要完整通用模型的任务中,选择经济高效、快速可靠的解决方案。

weixin_41446370的博客 2335

Altium Concord Pro 的应用范围,安装,和使用范围

Altium Concord Pro 的应用范围,安装,和使用范围。保证满足两者软件的最低安装要求。 Altium Concord Pro 是配合Digapcb,和MCAD,Altium 和相应机械设计软件的基础和交换桥梁

hanzhaos的博客 1121

【系统分析师】2025年下半年真题:案例分析-答案及详解(回忆版)

Redis相比Memcached在电商高并发场景下具有显著优势:支持持久化(RDB/AOF)、丰富数据结构(如有序集合实现排行榜)、原生支持集群和哨兵模式(高可用性)。布隆过滤器通过位数组和哈希函数预先存储所有合法订单ID,当查询请求到达时快速拦截无效ID(如伪造ID),避免其穿透缓存直接冲击数据库,从而预防缓存击穿问题。

数据知道的博客 5986

Mistral AI 开源最新 Small 模型——Devstral-Small-2505

Devstral 是一款专为软件工程任务设计的代理型大语言模型(LLM),由 Mistral AI 和 All Hands AI 合作开发 。Devstral 擅长使用工具探索代码库、编辑多个文件以及驱动软件工程代理。该模型在 SWE-bench 上表现出色,使其成为该基准测试中排名第一的开源模型。

weixin_41446370的博客 2810

用miniconda建立PyTorch、Keras、TensorFlow三个环境

如果还没有安装Miniconda,请从[Miniconda官网](https://docs.conda.io/en/latest/miniconda.html)下载合适的版本并进行安装。如果遇到问题,可以通过编辑`~/.condarc`文件来临时禁用某个源,或者通过`conda config --remove channels`命令来移除配置的镜像源。要切换到不同的环境,先使用`conda deactivate`命令退出当前环境,再用`conda activate 环境名称`命令激活另一个环境。

数字人生 2464

Magistral Small: 《关于vLLM与Ollama的示范项目指南》

本文介绍了如何使用Ollama和vLLM运行Mistral的Magistral Small推理模型。Magistral Small是一个24B参数的开放权重模型,特别适合逻辑推理和多语言理解任务。教程分两部分:首先展示如何通过Ollama在本地设备(如MacBook)运行该模型,包括安装、提示模板构建和Gradio界面开发;其次说明如何使用vLLM在高性能GPU上部署模型,实现高效推理。文章通过数学证明调试的实例展示了模型的逐步推理能力,为开发者提供了本地和云端两种部署方案的选择指导。

weixin_41446370的博客 1235

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Mistral AI开源 Magistral-Small-2507

Mistral AI推出首款推理模型Magistral,包含Small和Medium两个版本。Magistral Small 1.1基于Mistral Small 3.1开发,具备240亿参数,支持本地部署和40k上下文窗口。该模型专精于垂直领域推理,具有透明化思维轨迹追踪功能,支持包括中文在内的20多种语言,采用Apache 2.0开源许可。基准测试显示其在AIME24/25、GPQA等测试中表现优异。模型采用特殊[THINK]标签封装推理过程,推荐使用vLLM框架部署,并提供了优化采样参数和系统提示模板

weixin_41446370的博客 1222

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

商用合规吗?Mistral-Small-4-119B-2603-GGUF Apache 2.0 许可证终极指南 + GGUF 与 vLLM/NVFP4 生产部署完整对比

本文详解 **Mistral-Small-4-119B-2603-GGUF** 的 **Apache 2.0 商用合规**要点,并对比 **GGUF 量化本地部署** 与 **vLLM / NVFP4 生产级推理** 两条路线,帮新手快速完成首次部署选型。 ## 一、Apache 2.0 许可证详解:商用合规吗? ✅ **结论先说:可以商用。** Mistral Small 4 基于 **Ap

gitblog_00754的博客 235

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

mistralai 开源 Mistral-Small-4-119B-2603

Mistral Small 4 119B A6B是一款多功能混合AI模型,整合了指令型、推理型和开发型三种能力。该模型具备1190亿参数,支持25.6万token的上下文窗口和多模态输入(文本/图像),能在推理模式与快速响应模式间灵活切换。性能方面,其端到端完成时间减少40%,吞吐量较前代提升3倍。模型支持多语言处理、视觉分析、函数调用等功能,适用于聊天助手、编程辅助、文档解析等多种场景。通过vLLM等工具可高效部署,并支持4比特浮点精度量化等优化方案。基准测试显示其在保持输出简洁的同时,性能超越同类大模型

weixin_41446370的博客 760

如何快速部署Mistral-Small-4-119B-2603-eagle:vLLM服务器完整配置指南

Mistral-Small-4-119B-2603-eagle是一款功能强大的混合模型,能够同时作为通用指令模型和推理模型,它将Instruct、Reasoning和Devstral三个不同模型系列的能力整合到一个统一模型中。通过vLLM服务器部署该模型,可实现高效的生产级推理服务,显著提升性能表现。 ## Mistral-Small-4-119B-2603-eagle模型亮点 Mistral

gitblog_00717的博客 299

Mistral-Small-4-119B-2603 的 vLLM 示例,这次用 TaoToken 让 Codex 跑通

跑 Mistral-Small-4-119B-2603 的 vLLM 示例,tensor-parallel 和 262K 上下文让本地两张 80GB 卡也吃力。改用 TaoToken:先到 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 生成 Key,然后在 ~/.codex/config.toml 里设置 model_provider 和 base_url 为 https://taotoken.net/api,即可让 Codex 通过统一兼容

weixin_42515842的博客 142

Mistral-Small-4-119B-2603-eagle工具调用完全指南:构建智能AI助手

Mistral-Small-4-119B-2603-eagle是一款功能强大的混合模型,能够同时作为通用指令模型和推理模型。它将Instruct、Reasoning(以前称为Magistral)和Devstral三个不同模型系列的能力统一到一个模型中,特别适合构建智能AI助手。 ## 核心功能与优势 Mistral-Small-4-119B-2603-eagle具备多项令人印象深刻的特性,使其

gitblog_00083的博客 899
上一篇: AI 助力高效生物制造,从 β-苯乙醇和谷胱甘肽研究探索智能生产新范式
下一篇: 从结合式异构加速到融合式 AI 加速,多位院士齐聚CCF HPC China共探科研新范式
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值