Qwen2.5-VL-3B-Instruct: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Unsloth): 2,20 GiB–2,63 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-VL-3B-Instruct - Revision
66285546d2b821cf421d4f5eb2576359d3770cd3 - Parameter gesamt3.754.622.976
- Schichten36
- Query-Köpfe16
- KV-Köpfe2 (gqa)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit128.000
- Vollständigkeitcomplete · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 1,80 GiB (1.929.901.408 bytes)
- Raw KV cache
- 0,28 GiB (301.989.888 bytes)
- Engine extras / workspace
- 0,13 GiB–0,56 GiB
- Total estimated demand
- 2,20 GiB–2,63 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 7.509.245.952 (6,99 GiB / 7,51 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen2.5-VL-3B-Instruct-Q4_K_M.gguf | 1.929.901.408 (1,80 GiB / 1,93 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen2.5-VL-3B-Instruct-Q5_K_M.gguf | 2.224.813.408 (2,07 GiB / 2,22 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen2.5-VL-3B-Instruct-Q6_K.gguf | 2.538.157.408 (2,36 GiB / 2,54 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Qwen2.5-VL-3B-Instruct-Q8_0.gguf | 3.285.474.656 (3,06 GiB / 3,29 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 1.877.311.488 (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 | 7,69 GiB–9,57 GiB | 7,90 GiB–9,78 GiB | 8,74 GiB–10,65 GiB |
| GGUF Q4_K_M (Unsloth) | 1,99 GiB–2,41 GiB | 2,20 GiB–2,63 GiB | 3,05 GiB–3,54 GiB |
| GGUF Q5_K_M (Unsloth) | 2,27 GiB–2,69 GiB | 2,48 GiB–2,91 GiB | 3,32 GiB–3,82 GiB |
| GGUF Q6_K (Unsloth) | 2,56 GiB–2,98 GiB | 2,77 GiB–3,21 GiB | 3,61 GiB–4,11 GiB |
| GGUF Q8_0 (Unsloth) | 3,26 GiB–3,69 GiB | 3,47 GiB–3,92 GiB | 4,31 GiB–4,82 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 1,94 GiB–2,91 GiB | 2,15 GiB–3,17 GiB | 3,00 GiB–4,21 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-VL-3B-Instruct model card
- config.json — revision 66285546d2b821cf421d4f5eb2576359d3770cd3
- safetensors index — metadata.total_size=7509245952
- Artifact repo unsloth/Qwen2.5-VL-3B-Instruct-GGUF
Annahmen, die das Ergebnis beeinflussen
- Der Kontext liegt im dokumentierten nativen Fenster von 128000 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-VL-3B-Instruct-Q4_K_M.gguf.
- Es gibt eine Vision-Komponente. Textinferenz zählt Encoder/Projector nicht.
- 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.
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.