Qwen2.5-Coder-1.5B-Instruct Q4_K_M: VRAM-Bedarf 1,80 GiB
VRAM-Bedarf 1,80 GiB. Qwen2.5-Coder-1.5B-Instruct Q4_K_M bei 8.192 Tokens ist eine Schätzung von 1,38 GiB–1,80 GiB. Quelle Qwen/Qwen2.5-Coder-1.5B-Instruct. Datei 1.117.320.768 Bytes. Keine Grafikkarte gewählt, daher nur Bedarf, keine Einpassung.
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Qwen): 1,38 GiB–1,80 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.
Herausgeber und Herkunft
- AnbieterQwen
- Hugging Face
Qwen/Qwen2.5-Coder-1.5B-Instruct - Revision
2e1fd397ee46e1388853d2af2c993145b0f1098a - Parameter gesamt1.543.714.304
- Schichten28
- Query-Köpfe12
- KV-Köpfe2 (gqa)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit32.768
- Vollständigkeitpartial · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 1,04 GiB (1.117.320.768 bytes)
- Raw KV cache
- 0,22 GiB (234.881.024 bytes)
- Engine extras / workspace
- 0,13 GiB–0,54 GiB
- Total estimated demand
- 1,38 GiB–1,80 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-1.5b-instruct-q4_k_m.gguf | 1.117.320.768 (1,04 GiB / 1,12 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-1.5b-instruct-q5_k_m.gguf | 1.285.494.336 (1,20 GiB / 1,29 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-1.5b-instruct-q6_k.gguf | 1.464.178.752 (1,36 GiB / 1,46 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-1.5b-instruct-q8_0.gguf | 1.894.532.160 (1,76 GiB / 1,89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 771.857.152 (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 |
|---|---|---|---|
| GGUF Q4_K_M (Qwen) | 1,22 GiB–1,62 GiB | 1,38 GiB–1,80 GiB | 2,04 GiB–2,50 GiB |
| GGUF Q5_K_M (Qwen) | 1,38 GiB–1,78 GiB | 1,54 GiB–1,96 GiB | 2,20 GiB–2,66 GiB |
| GGUF Q6_K (Qwen) | 1,54 GiB–1,95 GiB | 1,71 GiB–2,12 GiB | 2,36 GiB–2,83 GiB |
| GGUF Q8_0 (Qwen) | 1,94 GiB–2,36 GiB | 2,11 GiB–2,53 GiB | 2,76 GiB–3,24 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 0,90 GiB–1,57 GiB | 1,06 GiB–1,77 GiB | 1,72 GiB–2,58 GiB |
KV-Cache (Rohdaten)
Rohes GQA/MHA-KV ist 2 × Schichten × kvHeads × headDim × Tokens × Sequenzen × Bytes je Element. Diese Seite nutzt KV-Heads (2), nicht Query-Heads (12).
- 8,192 tokens, 1 sequence, FP16: 234.881.024 bytes (0,2188 GiB)
- 32,768 tokens: 939.524.096 bytes (0,8750 GiB)
Verwandte Seiten
Quellen
- Qwen2.5-Coder-1.5B-Instruct model card
- config.json — revision 2e1fd397ee46e1388853d2af2c993145b0f1098a
- Artifact repo Qwen/Qwen2.5-Coder-1.5B-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: qwen2.5-coder-1.5b-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.