Qwen2.5-Coder-3B-Instruct: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Qwen): 2,37 GiB–2,80 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-3B-Instruct - Revision
488639f1ff808d1d3d0ba301aef8c11461451ec5 - Parameter gesamt3.085.938.688
- Schichten36
- Query-Köpfe16
- KV-Köpfe2 (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
- 1,96 GiB (2.104.932.800 bytes)
- Raw KV cache
- 0,28 GiB (301.989.888 bytes)
- Engine extras / workspace
- 0,13 GiB–0,56 GiB
- Total estimated demand
- 2,37 GiB–2,80 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 6.171.877.376 (5,75 GiB / 6,17 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-3b-instruct-q4_k_m.gguf | 2.104.932.800 (1,96 GiB / 2,10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-3b-instruct-q5_k_m.gguf | 2.438.740.416 (2,27 GiB / 2,44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-3b-instruct-q6_k.gguf | 2.793.411.008 (2,60 GiB / 2,79 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-3b-instruct-q8_0.gguf | 3.616.088.512 (3,37 GiB / 3,62 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 1.542.969.344 (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 | 6,44 GiB–8,32 GiB | 6,65 GiB–8,54 GiB | 7,50 GiB–9,41 GiB |
| GGUF Q4_K_M (Qwen) | 2,16 GiB–2,57 GiB | 2,37 GiB–2,80 GiB | 3,21 GiB–3,70 GiB |
| GGUF Q5_K_M (Qwen) | 2,47 GiB–2,89 GiB | 2,68 GiB–3,12 GiB | 3,52 GiB–4,02 GiB |
| GGUF Q6_K (Qwen) | 2,80 GiB–3,23 GiB | 3,01 GiB–3,45 GiB | 3,85 GiB–4,36 GiB |
| GGUF Q8_0 (Qwen) | 3,56 GiB–4,01 GiB | 3,77 GiB–4,24 GiB | 4,62 GiB–5,14 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 1,63 GiB–2,51 GiB | 1,84 GiB–2,77 GiB | 2,69 GiB–3,81 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 (16).
- 8,192 tokens, 1 sequence, FP16: 301.989.888 bytes (0,2813 GiB)
- 32,768 tokens: 1.207.959.552 bytes (1,1250 GiB)
Verwandte Seiten
Quellen
- Qwen2.5-Coder-3B-Instruct model card
- config.json — revision 488639f1ff808d1d3d0ba301aef8c11461451ec5
- safetensors index — metadata.total_size=6171877376
- Artifact repo Qwen/Qwen2.5-Coder-3B-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-3b-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.