OpenMath-Nemotron-32B: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (mradermacher): 20,61 GiB–21,50 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.
Das Ergebnis ist eine Schätzung, keine Messung.Nicht geprüftDateigestützte Gewichte
Herausgeber und Herkunft
- AnbieterNVIDIA
- Hugging Face
nvidia/OpenMath-Nemotron-32B - Revision
bc78382d1594995c5202c25d20630a10c10b9707 - Parameter gesamt32.763.876.352
- Schichten64
- Query-Köpfe40
- 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
- 18,49 GiB (19.851.334.912 bytes)
- Raw KV cache
- 2,00 GiB (2.147.483.648 bytes)
- Engine extras / workspace
- 0,13 GiB–1,01 GiB
- Total estimated demand
- 20,61 GiB–21,50 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| BF16 safetensors bf16 | 65.527.752.704 (61,03 GiB / 65,53 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (mradermacher) gguf-q4_k_m | OpenMath-Nemotron-32B.Q4_K_M.gguf | 19.851.334.912 (18,49 GiB / 19,85 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (mradermacher) gguf-q5_k_m | OpenMath-Nemotron-32B.Q5_K_M.gguf | 23.262.156.032 (21,66 GiB / 23,26 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (mradermacher) gguf-q6_k | OpenMath-Nemotron-32B.Q6_K.gguf | 26.886.153.472 (25,04 GiB / 26,89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | OpenMath-Nemotron-32B.Q8_0.gguf | 34.820.883.712 (32,43 GiB / 34,82 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 16.381.938.176 (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 | 62,15 GiB–64,04 GiB | 63,65 GiB–65,59 GiB | 69,65 GiB–71,77 GiB |
| GGUF Q4_K_M (mradermacher) | 19,11 GiB–19,87 GiB | 20,61 GiB–21,50 GiB | 26,61 GiB–27,92 GiB |
| GGUF Q5_K_M (mradermacher) | 22,29 GiB–23,11 GiB | 23,79 GiB–24,74 GiB | 29,79 GiB–31,16 GiB |
| GGUF Q6_K (mradermacher) | 25,66 GiB–26,55 GiB | 27,16 GiB–28,18 GiB | 33,16 GiB–34,60 GiB |
| GGUF Q8_0 (mradermacher) | 33,05 GiB–34,09 GiB | 34,55 GiB–35,72 GiB | 40,55 GiB–42,14 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 15,88 GiB–20,81 GiB | 17,38 GiB–22,69 GiB | 23,38 GiB–30,07 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 (40).
- 8,192 tokens, 1 sequence, FP16: 2.147.483.648 bytes (2,00 GiB)
- 32,768 tokens: 8.589.934.592 bytes (8,00 GiB)
Verwandte Seiten
Quellen
- OpenMath-Nemotron-32B model card
- config.json — revision bc78382d1594995c5202c25d20630a10c10b9707
- safetensors index — metadata.total_size=65527752704
- Artifact repo mradermacher/OpenMath-Nemotron-32B-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: OpenMath-Nemotron-32B.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.