granite-3.3-8b-instruct: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (IBM): 5,98 GiB–6,53 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.
Das Ergebnis ist eine Schätzung, keine Messung.Nicht geprüftDateigestützte Gewichte
Herausgeber und Herkunft
- AnbieterIBM
- Hugging Face
ibm-granite/granite-3.3-8b-instruct - Revision
51dd4bc2ade4059a6bd87649d68aa11e4fb2529b - Parameter gesamt8.170.864.640
- Schichten40
- Query-Köpfe32
- KV-Köpfe8 (gqa)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit131.072
- Vollständigkeitcomplete · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 4,60 GiB (4.942.873.344 bytes)
- Raw KV cache
- 1,25 GiB (1.342.177.280 bytes)
- Engine extras / workspace
- 0,13 GiB–0,68 GiB
- Total estimated demand
- 5,98 GiB–6,53 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 16.341.729.280 (15,22 GiB / 16,34 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (IBM) gguf-q4_k_m | granite-3.3-8b-instruct-Q4_K_M.gguf | 4.942.873.344 (4,60 GiB / 4,94 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (IBM) gguf-q5_k_m | granite-3.3-8b-instruct-Q5_K_M.gguf | 5.797.462.784 (5,40 GiB / 5,80 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (IBM) gguf-q6_k | granite-3.3-8b-instruct-Q6_K.gguf | 6.705.464.064 (6,24 GiB / 6,71 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (IBM) gguf-q8_0 | granite-3.3-8b-instruct-Q8_0.gguf | 8.684.264.992 (8,09 GiB / 8,68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 4.085.432.320 (Theoretische Zeilen sind keine herunterladbaren Artefakte.) | — | theoretical |
Speicher nach Quantisierung und Kontext
Gleichzeitige Sequenzen = 1. KV ist standardmäßig FP16. Die Spanne enthält dokumentierte Laufzeit-Zusätze der genannten Engine. Die Zahlen nutzen denselben Kern wie der interaktive Rechner.
| Quantisierung | 2.048 tokens | 8.192 tokens | 32.768 tokens |
|---|---|---|---|
| BF16 safetensors | 16,16 GiB–18,04 GiB | 17,09 GiB–19,01 GiB | 20,84 GiB–22,87 GiB |
| GGUF Q4_K_M (IBM) | 5,04 GiB–5,51 GiB | 5,98 GiB–6,53 GiB | 9,73 GiB–10,55 GiB |
| GGUF Q5_K_M (IBM) | 5,84 GiB–6,33 GiB | 6,77 GiB–7,34 GiB | 10,52 GiB–11,36 GiB |
| GGUF Q6_K (IBM) | 6,68 GiB–7,19 GiB | 7,62 GiB–8,21 GiB | 11,37 GiB–12,22 GiB |
| GGUF Q8_0 (IBM) | 8,53 GiB–9,07 GiB | 9,46 GiB–10,09 GiB | 13,21 GiB–14,10 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 4,24 GiB–5,84 GiB | 5,18 GiB–7,01 GiB | 8,93 GiB–11,63 GiB |
KV-Cache (Rohdaten)
Rohes GQA/MHA-KV ist 2 × Schichten × kvHeads × headDim × Tokens × Sequenzen × Bytes je Element. Diese Seite nutzt KV-Heads (8), nicht Query-Heads (32).
- 8,192 tokens, 1 sequence, FP16: 1.342.177.280 bytes (1,2500 GiB)
- 32,768 tokens: 5.368.709.120 bytes (5,00 GiB)
Verwandte Seiten
Quellen
- granite-3.3-8b-instruct model card
- config.json — revision 51dd4bc2ade4059a6bd87649d68aa11e4fb2529b
- safetensors index — metadata.total_size=16341729280
- Artifact repo ibm-granite/granite-3.3-8b-instruct-GGUF
Annahmen, die das Ergebnis beeinflussen
- Der Kontext liegt im dokumentierten nativen Fenster von 131072 Tokens.
- Die vollständige Residenzschätzung nutzt die Gesamtparameter, inklusive inaktiver MoE-Experten.
- Gewichtbytes kommen nur von den gewählten Dateien, nicht von allen Quantisierungen im Repository.
- Die Downloadgröße ist nicht der GPU-Spitzenspeicher. Layout, Allocator und KV kommen extra.
- Berücksichtigte Dateien: granite-3.3-8b-instruct-Q4_K_M.gguf.
- Das Kontextbudget ist die Zahl gecachter Tokens je Sequenz (Prompt plus reservierte Generierung).
- Gleichzeitige Sequenzen teilen eine Modellkopie; Gewichte werden nicht mit der Sequenzzahl multipliziert.
- Der KV-Datentyp ist unabhängig von der Gewichtquantisierung, außer Sie ändern ihn.
Rechner
Katalog-Snapshot wird geladen…
Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.
Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.