Qwen2-7B-Instruct: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Qwen): 4,92 GiB–5,42 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.
Das Ergebnis ist eine Schätzung, keine Messung.Nicht geprüftDateigestützte Gewichte
Herausgeber und Herkunft
- AnbieterQwen
- Hugging Face
Qwen/Qwen2-7B-Instruct - Revision
f2826a00ceef68f0f2b946d945ecc0477ce4450c - Parameter gesamt7.615.616.512
- Schichten28
- Query-Köpfe28
- KV-Köpfe4 (gqa)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit32.768
- Vollständigkeitcomplete · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 4,36 GiB (4.683.071.264 bytes)
- Raw KV cache
- 0,44 GiB (469.762.048 bytes)
- Engine extras / workspace
- 0,13 GiB–0,62 GiB
- Total estimated demand
- 4,92 GiB–5,42 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 | 15.231.233.024 (14,19 GiB / 15,23 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2-7b-instruct-q4_k_m.gguf | 4.683.071.264 (4,36 GiB / 4,68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2-7b-instruct-q5_k_m.gguf | 5.444.828.960 (5,07 GiB / 5,44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2-7b-instruct-q6_k.gguf | 6.254.196.512 (5,82 GiB / 6,25 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2-7b-instruct-q8_0.gguf | 8.098.522.912 (7,54 GiB / 8,10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 3.807.808.256 (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 | 14,92 GiB–16,80 GiB | 15,25 GiB–17,14 GiB | 16,56 GiB–18,49 GiB |
| GGUF Q4_K_M (Qwen) | 4,60 GiB–5,06 GiB | 4,92 GiB–5,42 GiB | 6,24 GiB–6,82 GiB |
| GGUF Q5_K_M (Qwen) | 5,31 GiB–5,78 GiB | 5,63 GiB–6,14 GiB | 6,95 GiB–7,54 GiB |
| GGUF Q6_K (Qwen) | 6,06 GiB–6,55 GiB | 6,39 GiB–6,91 GiB | 7,70 GiB–8,31 GiB |
| GGUF Q8_0 (Qwen) | 7,78 GiB–8,30 GiB | 8,10 GiB–8,66 GiB | 9,42 GiB–10,07 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 3,78 GiB–5,27 GiB | 4,11 GiB–5,68 GiB | 5,42 GiB–7,30 GiB |
KV-Cache (Rohdaten)
Rohes GQA/MHA-KV ist 2 × Schichten × kvHeads × headDim × Tokens × Sequenzen × Bytes je Element. Diese Seite nutzt KV-Heads (4), nicht Query-Heads (28).
- 8,192 tokens, 1 sequence, FP16: 469.762.048 bytes (0,4375 GiB)
- 32,768 tokens: 1.879.048.192 bytes (1,7500 GiB)
Verwandte Seiten
Quellen
- Qwen2-7B-Instruct model card
- config.json — revision f2826a00ceef68f0f2b946d945ecc0477ce4450c
- safetensors index — metadata.total_size=15231233024
- Artifact repo Qwen/Qwen2-7B-Instruct-GGUF
Annahmen, die das Ergebnis beeinflussen
- Der Kontext liegt im dokumentierten nativen Fenster von 32768 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: qwen2-7b-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.