Mistral 7B su un Mac da 16 GB con Ollama
# Mistral 7B su un Mac da 16 GB con Ollama code: ebwhir | type: inference | language: it | licence: MIT | version: v1 description: Modelfile Ollama per eseguire Mistral 7B Instruct in locale su un Mac da 16 GB: quantizzazione Q4, contesto 8k, risposte in italiano. page: https://contextetech.com/it/inferenza/mistral-7b-ollama-mac-16gb-it-ebwhir mcp: connect https://contextetech.com/mcp then call load_resource with code "ebwhir" (or ask "load ebwhir") json: https://contextetech.com/api/resources/contextetech--mistral-7b-ollama-mac-16gb-it python: pip install contexte && contexte get ebwhir citation (required by the licence): contextetech. (2026). Mistral 7B su un Mac da 16 GB con Ollama (Version 1) [Config. di inferenza]. Contexte Tech. https://contextetech.com/it/inferenza/mistral-7b-ollama-mac-16gb-it-ebwhir
Modelfile Ollama per eseguire Mistral 7B Instruct in locale su un Mac da 16 GB: quantizzazione Q4, contesto 8k, risposte in italiano.
| Modello | mistral:7b-instruct-q4_K_M |
|---|---|
| Hardware testato | Mac con Apple Silicon e 16 GB di memoria |
Modelfile
FROM mistral:7b-instruct-q4_K_M PARAMETER num_ctx 8192 PARAMETER temperature 0.3 SYSTEM """Sei un assistente che risponde in italiano, in modo chiaro e conciso. Se non lo sai, dillo."""
Comando di avvio
ollama create mistral-it -f Modelfile && ollama run mistral-it
- Identificativo
- contextetech--mistral-7b-ollama-mac-16gb-it
- File
- Modelfile
- Formato
- MODELFILE
- Dimensione
- 186 byte
- Codifica
- UTF-8
- Token stimati
- ≈ 52
- Uso commerciale
- Consentito
- Dati personali
- Nessuno
- Versione
- 1.0
- Pubblicato il
- 3 ottobre 2026 alle ore 05:20
- Aggiornato il
- 16 ottobre 2026 alle ore 23:19
- Archiviazione
- nel database
Statistiche
Mi piace : 0 · Commenti : 0
Clicca su un contatore per mostrarlo o nasconderlo; passa sul grafico per i dettagli. Una visualizzazione per visitatore al giorno, bot esclusi; conteggio iniziato il 30 settembre 2026.
Costo stimato
- Token di input per chiamata
- ≈ 192
| Modello | Per chiamata | Al mese |
|---|---|---|
| GPT-6 Luna · OpenAIprezzo migliore | 0,00002 € | 0,02 € |
| DeepSeek Flash · DeepSeek | 0,00005 € | 0,05 € |
| Mistral Large · Mistral AI | 0,00009 € | 0,09 € |
| DeepSeek V4 Pro · DeepSeek | 0,00022 € | 0,22 € |
| GPT-6 Sol · OpenAI | 0,00034 € | 0,34 € |
| Claude Sonnet 5.5 · Anthropic | 0,00034 € | 0,34 € |
| Claude Opus 5.5 · Anthropic | 0,00068 € | 0,68 € |
| Modello open source self-hosted (Ollama, vLLM) | 0 € di API (solo costo del server) | |
Solo costo di input, esclusa la risposta del modello. Prezzi pubblici standard dei fornitori (Mistral AI, DeepSeek, OpenAI, Anthropic) convertiti da USD in euro al cambio BCE del 13 ottobre 2026. Stima: 1 token ≈ 3,6 caratteri.
Comune alle 3 regioni
Contenuto creato dall'autore, senza fonti esterne.
Uso commerciale consentito · citare l'autore · modifiche consentite.
Solo testo o dati: nessun accesso a file, rete o comandi.
Ospitato in Francia (Scaleway, Parigi). Nessun trasferimento fuori dall'UE.
Unione europea · 5/5
Nessun dato personale.
Nessun dato di addestramento: nessuna sintesi da fornire.
Stati Uniti · 5/5
Nessun dato personale.
Nessun dato di addestramento: nessuna documentazione da pubblicare.
Cina · 5/5
Nessun dato personale.
Nessun dato di addestramento; i contenuti generati dall'IA diffusi in Cina vanno etichettati (2025).
Sintesi indicativa al 30/09/2026, senza valore di certificazione legale. Metodo e fonti →
Qualità del contenuto
Prestazioni non misurate: né velocità misurata né test superato
Il dettaglio dei criteri è riservato ai membri.
Ogni criterio, i punti tolti e un consiglio per correggerlo.
Analisi del contenuto
Il dettaglio dei criteri è riservato ai membri.
Ogni criterio, i punti tolti e un consiglio per correggerlo.
Calcolato dal contenuto della scheda, con regole, senza IA. Il punteggio è nella scheda Qualità.
MCP contexte
https://contextetech.com/mcp
carica ebwhir
Aggiungi l'indirizzo come connettore nelle impostazioni delle tue app di IA, poi invia la richiesta qui sopra.
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--mistral-7b-ollama-mac-16gb-it" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
Modelfile
FROM mistral:7b-instruct-q4_K_M PARAMETER num_ctx 8192 PARAMETER temperature 0.3 SYSTEM """Sei un assistente che risponde in italiano, in modo chiaro e conciso. Se non lo sai, dillo."""
Comando di avvio
ollama create mistral-it -f Modelfile && ollama run mistral-it
Creare il modello (Ollama)
# enregistrez le Modelfile, puis : ollama create mistral-7b-ollama-mac-16gb-it -f Modelfile ollama run mistral-7b-ollama-mac-16gb-it
Community
Ancora nessun commento. Condividi la tua esperienza, aiuterà chi viene dopo.