Qwen3-0.6B: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Unsloth): 1,37 GiB–1,81 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/Qwen3-0.6B - Revision
c1899de289a04d12100db370d81485cdf75e47ca - Parameter gesamt751.632.384
- Schichten28
- Query-Köpfe16
- KV-Köpfe8 (gqa)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit40.960
- Vollständigkeitpartial · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 0,37 GiB (396.705.472 bytes)
- Raw KV cache
- 0,88 GiB (939.524.096 bytes)
- Engine extras / workspace
- 0,13 GiB–0,57 GiB
- Total estimated demand
- 1,37 GiB–1,81 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| GGUF Q8_0 (Qwen) gguf-q8_0 | Qwen3-0.6B-Q8_0.gguf | 639.446.688 (0,60 GiB / 0,64 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen3-0.6B-Q4_K_M.gguf | 396.705.472 (0,37 GiB / 0,40 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen3-0.6B-Q5_K_M.gguf | 444.415.680 (0,41 GiB / 0,44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen3-0.6B-Q6_K.gguf | 495.107.776 (0,46 GiB / 0,50 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 375.816.192 (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 Q8_0 (Qwen) | 0,94 GiB–1,33 GiB | 1,60 GiB–2,04 GiB | 4,22 GiB–4,85 GiB |
| GGUF Q4_K_M (Unsloth) | 0,71 GiB–1,10 GiB | 1,37 GiB–1,81 GiB | 3,99 GiB–4,62 GiB |
| GGUF Q5_K_M (Unsloth) | 0,76 GiB–1,15 GiB | 1,41 GiB–1,86 GiB | 4,04 GiB–4,67 GiB |
| GGUF Q6_K (Unsloth) | 0,80 GiB–1,19 GiB | 1,46 GiB–1,91 GiB | 4,09 GiB–4,72 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 0,69 GiB–1,28 GiB | 1,35 GiB–2,10 GiB | 3,98 GiB–5,33 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 (16).
- 8,192 tokens, 1 sequence, FP16: 939.524.096 bytes (0,8750 GiB)
- 32,768 tokens: 3.758.096.384 bytes (3,5000 GiB)
Verwandte Seiten
Quellen
- Qwen3-0.6B model card
- config.json — revision c1899de289a04d12100db370d81485cdf75e47ca
- Artifact repo Qwen/Qwen3-0.6B-GGUF
- Artifact repo unsloth/Qwen3-0.6B-GGUF
Annahmen, die das Ergebnis beeinflussen
- Der Kontext liegt im dokumentierten nativen Fenster von 40960 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: Qwen3-0.6B-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.