Qwen2.5-Coder-14B-Instruct: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Qwen): 10,00 GiB–10,64 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/Qwen2.5-Coder-14B-Instruct - Revision
aedcc2d42b622764e023cf882b6652e646b95671 - Parameter gesamt14.770.033.664
- Schichten48
- Query-Köpfe40
- KV-Köpfe8 (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
- 8,37 GiB (8.988.110.400 bytes)
- Raw KV cache
- 1,50 GiB (1.610.612.736 bytes)
- Engine extras / workspace
- 0,13 GiB–0,77 GiB
- Total estimated demand
- 10,00 GiB–10,64 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| BF16 safetensors bf16 | 29.540.067.328 (27,51 GiB / 29,54 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-14b-instruct-q4_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q4_k_m-00002-of-00002.gguf | 8.988.110.400 (8,37 GiB / 8,99 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-14b-instruct-q5_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q5_k_m-00002-of-00002.gguf | 10.508.873.280 (9,79 GiB / 10,51 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-14b-instruct-q6_k-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q6_k-00002-of-00002.gguf | 12.124.683.840 (11,29 GiB / 12,12 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-14b-instruct-q8_0-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q8_0-00002-of-00002.gguf | 15.701.597.760 (14,62 GiB / 15,70 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 7.385.016.832 (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 | 28,51 GiB–30,40 GiB | 29,64 GiB–31,56 GiB | 34,14 GiB–36,19 GiB |
| GGUF Q4_K_M (Qwen) | 8,87 GiB–9,42 GiB | 10,00 GiB–10,64 GiB | 14,50 GiB–15,46 GiB |
| GGUF Q5_K_M (Qwen) | 10,29 GiB–10,87 GiB | 11,41 GiB–12,09 GiB | 15,91 GiB–16,90 GiB |
| GGUF Q6_K (Qwen) | 11,79 GiB–12,40 GiB | 12,92 GiB–13,62 GiB | 17,42 GiB–18,44 GiB |
| GGUF Q8_0 (Qwen) | 15,12 GiB–15,80 GiB | 16,25 GiB–17,02 GiB | 20,75 GiB–21,84 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 7,38 GiB–9,87 GiB | 8,50 GiB–11,28 GiB | 13,00 GiB–16,82 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: 1.610.612.736 bytes (1,5000 GiB)
- 32,768 tokens: 6.442.450.944 bytes (6,00 GiB)
Verwandte Seiten
Quellen
- Qwen2.5-Coder-14B-Instruct model card
- config.json — revision aedcc2d42b622764e023cf882b6652e646b95671
- safetensors index — metadata.total_size=29540067328
- Artifact repo Qwen/Qwen2.5-Coder-14B-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-14b-instruct-q4_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q4_k_m-00002-of-00002.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.