Qwen3-14B
Qwen · Qwen/Qwen3-14B · gqa · full
| Quantisierung | 2.048 | 8.192 | 32.768 |
|---|---|---|---|
| BF16 safetensors | 27,88 GiB–28,45 GiB | 28,82 GiB–29,38 GiB | 32,57 GiB–33,13 GiB |
| GGUF Q4_K_M | 8,76 GiB–9,32 GiB | 9,70 GiB–10,26 GiB | 13,45 GiB–14,01 GiB |
| INT4 theoretical | 7,27 GiB–8,52 GiB | 8,20 GiB–9,46 GiB | 11,95 GiB–13,21 GiB |
Schätzung
Unklar
Budget oder Pflichtangaben fehlen, oder die Verteilung kann diese Version nicht beurteilen.
Geschätzter Speicherbereich: 9,76 GiB – 10,39 GiB
Die Gewichte stammen aus den gewählten Dateimetadaten. Laufzeitanteile bleiben geschätzt.
Softwareunterstützung
Dokumentiert unterstützt. Genug Speicher bedeutet nicht, dass Engine, Quantisierung und Betriebssystem zusammenlaufen. Unterstützung bedeutet nicht, dass es schnell ist.
Annahmen, die das Ergebnis beeinflussen
- 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: Qwen3-14B-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.
- Es werden 8 KV-Köpfe verwendet, nicht 40 Query-Köpfe.
- Prefill-Spitze und stabiles Decoding sind nicht gleich. Das hohe Szenario liegt näher am Prefill.
- Die Engine-Reserve ist nicht der tatsächliche Verbrauch von Gewichten und KV.
- llama.cpp-Puffer wachsen mit Kontext und Batch. Das sind anpassbare Szenarien, keine Messungen — außer eine passende Kalibrierung liegt vor.