AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › モデル別 › Devstral Small 2 24B

Devstral Small 2 24B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Mistral AI ・ 公開 2025-12 ・ 23.57Bパラメータ ・ データ更新 2026-10-02

Devstral Smallの第2世代。コーディングエージェント向け。VRAM 16GB / Mac 24GBから

16GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 20GB実用になるいちばん安いGPU: Radeon RX 7900 XT
24GB実用になるいちばん小さいMac: M5 Pro（24GB）
393,216最大コンテキスト（学習時）

編集部の見立て

Mistral AIのコーディングエージェント向けDevstral Smallの第2世代です。前の版（Devstral Small 2507、配布元の呼び名は1.1）との違いは、配布元によれば画像入力が加わったことと、文脈が128kから256kに伸びたこと。構造もMinistral 3と同じ系統に切り替わりました。

重さは前の版と同じ23.57Bで、4bitに8kの文脈を足して15.5GB。RX 7900 XT（20GB）で推定32tok/s、M5 Pro（24GB）で推定18.6tok/sです。20GB以上のGPUか24GB以上のMacから考えるモデルです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/mistralai_Devstral-Small-2-24B-Instruct-2512-GGUF） に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（40層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化ファイルKVキャッシュ（8k）必要合計GPUならMacなら
2bit（IQ2_M）
品質劣化大。最後の手段		7.6GB1.3GB9.5GBVRAM 11GB〜16GB〜
2bit（Q2_K）
品質劣化大。最後の手段		8.3GB1.3GB10GBVRAM 11GB〜16GB〜
3bit（IQ3_M）
メモリ優先		9.9GB1.3GB12GBVRAM 16GB〜18GB〜
3bit（Q3_K_M）
メモリ優先		11GB1.3GB13GBVRAM 16GB〜24GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		12GB1.3GB14GBVRAM 16GB〜24GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		13GB1.3GB16GBVRAM 20GB〜24GB〜
5bit（Q5_K_M）
品質重視		16GB1.3GB18GBVRAM 20GB〜32GB〜
6bit（Q6_K）
ほぼ無劣化		18GB1.3GB20GBVRAM 24GB〜32GB〜
8bit（Q8_0）
無劣化に近い		23GB1.3GB26GBVRAM 32GB〜48GB〜
16bit（BF16）
元精度		44GB1.3GB47GBVRAM 48GB〜64GB〜

モデルの構造と、必要メモリの増え方

Devstral Small 2 24BはMistral AIが2025年12月に公開した23.57Bのモデルです。GGUFのヘッダには40層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。

全40層が全域注意で、KVヘッド8・head次元128。KVキャッシュはトークン数に正比例して増えます。1トークンあたりのKVキャッシュは約160KB（fp16）で、コンテキスト長にそのまま比例します。実際の値は、8,192トークンで1.3GB、128Kトークンまで伸ばすと20GBです。

ライセンス表記: apache-2.0（層数と窓の大きさはGGUFヘッダから取得）

このモデルを実際に使うなら

GGUFで動かすなら、llama.cppに配布元が名指しする変更（PR 17945）が入った版が前提です。古いOllamaやLM Studioのまま読み込ませず、更新を先に済ませましょう。エージェントはファイルを何本も読むので文脈が膨らみます。KVは1トークン160KBで、Q4_K_Mの13.3GBに32kを足すと18.3GB、64kなら23.3GB。

RTX 4090の実効23.5GBでほぼ満杯です。配布元が推す使い方はCLIのMistral Vibeで、Cline、Kilo Code、Claude Code、OpenHandsからも呼べます。ノートではRTX 5090 Laptop（24GB）で推定39.9tok/s。

文字だけで足りるなら前の版でも機材の条件は同じなので、画像の要否と文脈長で選びましょう。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはmistral3で、当サイト収録の204モデル中4本が同じ系統です。ツール側の対応状況は、使う前に確認しておくと確実です。

配布元はbartowski/mistralai_Devstral-Small-2-24B-Instruct-2512-GGUF、元になったモデルはmistralai/Devstral-Small-2-24B-Instruct-2512です。

得意分野はコードを書く作業です。

同じMistral AIのモデルでは、サイズの近いものにMagistral Small 2509（23.57B）、Devstral Small 2507（23.57B）、Mistral Small 3.2 24B（23.57B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（13GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。全層が全域注意なので、コンテキスト長に比例してKVが増えます。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.6GB15GBVRAM 16GB〜24GB〜
8,192既定1.3GB16GBVRAM 20GB〜24GB〜
16,3842.5GB17GBVRAM 20GB〜32GB〜
32,7685.0GB19GBVRAM 20GB〜32GB〜
65,53610GB24GBVRAM 32GB〜48GB〜
131,07220GB34GBVRAM 48GB〜48GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約5.0GBから約2.5GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル開発元4bitで必要一言
Magistral Small 2509Mistral AI15GBMistralの推論モデル24B。VRAM 16GB
Devstral Small 2507Mistral AI15GBコーディングエージェント向けに調整された24B。VRAM 16GB
Mistral Small 3.2 24BMistral AI15GBQ4ならVRAM 16GBに収まる欧州製
Codestral 22BMistral AI15GBMistralのコード専用22B。VRAM 16GB / Mac 24GBから
Gemma 4 26B-A4BGoogle17GB2026年のGoogle製MoE。メモリ24〜32GBで速い
ERNIE 4.5 21B-A3B ThinkingBaidu14GBBaiduの推論型MoE（総21B・アクティブ3B）。Apache 2.0。VRAM 16GB / Mac 24GBから

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら30機種で20 tok/s以上、21機種で8〜20 tok/s（テキスト生成の推定・計算方法）。

快適 20 tok/s以上（30機種）

実用 8〜20 tok/s（21機種）

遅い 動くが遅い（11機種）

メモリに一部を逃がせば動く（61機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（17）を見る

今のPCのまま、Devstral Small 2 24Bを動かすために足すもの

PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

NVMe SSD / 外付けSSD 2TB

Devstral Small 2 24Bは4bit（IQ4_XS）で12GB、8bitのQ8_0なら23GB。精度違いを3種類そろえるだけで約36GB使います。何本か試すうちに、まず内蔵SSDが先に埋まります。Macは内蔵を増設できないので外付けが前提です。

Amazonで「NVMe SSD 2TB」を見る →Amazonで「外付けSSD 2TB USB 3.2」を見る →

メモリ増設（32GB化）

VRAMに載りきらない分は、システムメモリに逃がして動かせます（CPUオフロード）。Devstral Small 2 24Bは16GB要るので、VRAM 12GBのカードなら約4.0GBをメモリ側で受ける計算です。メモリ16GBのままだとOSとブラウザで詰まるので、32GBが下限。

Amazonで「DDR5 16GB 2枚組」を見る →Amazonで「DDR5 SO-DIMM 16GB 2枚組」を見る →Amazonで「DDR4 16GB 2枚組」を見る →

GPUを1枚替える: RTX 5060 Ti 16GB

「あと数GB足りない」を埋めるのに、PC一式を買い替える必要はありません。RTX 5060 Ti 16GBなら4bit（IQ4_XS）の16GBがVRAMに収まります。先に見るのは、今のケースに入る長さか、電源の容量と補助電源のコネクタが足りるかの2点です。

Amazonで「RTX 5060 Ti 16GB グラフィックボード」を見る →

ローカルLLM / AIエージェント入門書

Devstral Small 2 24BのようなGGUF版のモデルを落として動かす手順、量子化の選び方、Ollama と LM Studio の使い分けは、一冊まとまったものを手元に置くと早い。

Amazonで「ローカルLLM 本」を見る →Amazonで「AIエージェント 開発 本」を見る →

Devstral Small 2 24Bを動かせるPC・Macを今日買うなら

PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

ぴったり自作

自作: RTX 5070 Ti（16GB）・メモリ32GB

BTOより同予算で一段上のGPUに届く。画像生成とローカルLLMの定番

Ryzen 7 9700X・DDR5 16GB×2・RTX 5070 Ti・NVMe 2TB・電源850W ・ 目安 27〜35万円

要件を満たす中で最も手頃

Amazonで「RTX 5070 Ti 16GB」を見る →
余裕を持つなら自作

自作: RTX 5090（32GB）・メモリ96GB

動画生成・学習・32BクラスのLLM。メモリ96GBあれば、大型のMoE型を一部メインメモリに逃がして動かせる

Ryzen 9 9950X・DDR5 48GB×2・RTX 5090・NVMe 4TB・電源1000W・大型ケース ・ 目安 60〜80万円

将来の用途拡張（大きなモデル・並列エージェント）に余裕

Amazonで「RTX 5090」を見る →
別の形ならMac

Mac mini M4 Pro（メモリ48GB・SSD 1TB）

30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心

M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

Macで同じ仕事をするなら

Amazonで「Mac mini M4 Pro 48GB」を見る →

よくある質問

Devstral Small 2 24Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル13GB、8,192トークンのKVキャッシュを含めて約16GBが必要です。GPU単体ならRadeon RX 7900 XT（VRAM 20GB）から実用速度で動きます。

Devstral Small 2 24BはMacで動く？

動きます。ユニファイドメモリ24GB以上のApple Silicon（例: Apple M5 Pro（24GB））なら、4bit量子化で実用的な速さが出ます。

このクラスの選び方: ローカルLLM（27〜32Bクラス）に必要なPC / MacかWindowsか

手持ちのPCで判定する