¿Cabe Qwen2.5-32B-Instruct en RTX 4090?
Muy justo Qwen2.5-32B-Instruct con Q4_K_M necesita 20,61 GiB–21,50 GiB con un contexto de 8192 tokens. La RTX 4090 tiene unos 22 GiB utilizables.
5 archivos, 19,9 GB en total.
Son estimaciones a partir de la config del modelo y del tamaño de los archivos, no mediciones. Cómo calculamos
Qué cambiar
- Acorta el contexto a unos 1536 tokens para que quepa con holgura.
- Cierra otras aplicaciones que usen memoria de GPU, o baja la reserva si el equipo funciona sin pantalla.
Otros archivos en esta GPU
| Cuantización | Tamaño del archivo | Motor | Total | Ajuste |
|---|---|---|---|---|
| BF16 safetensors | 65,5 GB | vllm | 63,7 GiB–65,6 GiB | No cabe |
| GGUF Q8_0 (Qwen) | 34,8 GB | llama.cpp | 34,6 GiB–35,7 GiB | No cabe |
| GGUF Q6_K (Qwen) | 26,9 GB | llama.cpp | 27,2 GiB–28,2 GiB | No cabe |
| GGUF Q5_K_M (Qwen) | 23,3 GB | llama.cpp | 23,8 GiB–24,7 GiB | No cabe |
| GGUF Q4_K_M Configuración actual | 19,9 GB | llama.cpp | 20,6 GiB–21,5 GiB | Ajustado |
Mismo contexto (8192 tokens), un chat a la vez, cada archivo con su motor habitual.
Configuración usada
- ModeloQwen2.5-32B-Instruct
- HardwareGeForce RTX 4090 24GB (desktop)
- CuantizaciónGGUF Q4_K_M
- Longitud de contexto (tokens en caché)8192
- Motor
llama.cpp - Secuencias simultáneas1
- Tipo de caché KVfp16
Identificadores técnicos y datos para compartir
- Modelo
qwen2.5-32b-instruct - Hardware
nvidia-geforce-rtx-4090-24gb-desktop - Cuantización
gguf-q4_k_m - Código para compartir esta configuración
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4yLjUtMzJiLWluc3RydWN0IiwiaGFyZHdhcmVJZCI6Im52aWRpYS1nZWZvcmNlLXJ0eC00MDkwLTI0Z2ItZGVza3RvcCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImdndWYtcTRfa19tIiwiY29udGV4dFRva2VucyI6ODE5MiwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoibGxhbWEuY3BwIiwia3ZUeXBlIjoiZnAxNiJ9fQ
Cómo se calcula este número
Total = archivo de pesos + caché KV + búferes de ejecución. El rango va de la sobrecarga baja a la alta del motor indicado.
- Pesos (archivo)
- 18,49 GiB (19.851.336.384 bytes)
- Caché KV
- 2,00 GiB (2.147.483.648 bytes)
- Búferes de ejecución
- 0,13 GiB–1,01 GiB
- Total
- 20,61 GiB–21,50 GiB
- Memoria utilizable
- 22,00 GiB
- Reserva de sistema / pantalla
- 2,00 GiB
- Sobrante
- 0,50 GiB–1,39 GiB
estimación alta 21,50 GiB con 22,00 GiB disponibles
Que quepa en memoria no prueba que el motor, la cuantización y el sistema funcionen juntos. Compatibilidad no implica buen rendimiento.
- El contexto pedido cabe en la ventana nativa de 32768 tokens.
- Los pesos cargados se estiman con el total de parámetros, incluidos los expertos MoE inactivos.
- Solo cuentan los archivos de pesos elegidos, no todas las cuantizaciones del repositorio.
- El tamaño de descarga no es el pico de memoria de GPU. El diseño en ejecución, el relleno del asignador y la caché KV van aparte.
- Archivos contados: qwen2.5-32b-instruct-q4_k_m-00001-of-00005.gguf, qwen2.5-32b-instruct-q4_k_m-00002-of-00005.gguf, qwen2.5-32b-instruct-q4_k_m-00003-of-00005.gguf, qwen2.5-32b-instruct-q4_k_m-00004-of-00005.gguf, qwen2.5-32b-instruct-q4_k_m-00005-of-00005.gguf.
- La longitud de contexto son los tokens en caché por secuencia (entrada más la salida reservada).
- Las secuencias concurrentes comparten una copia del modelo; los pesos no se multiplican por el número de secuencias.
- La precisión de la caché KV no depende de la cuantización de los pesos, salvo que la cambies.
Páginas relacionadas
Fuentes
- Qwen2.5-32B-Instruct model card
- config.json — revision 5ede1c97bbab6ce5cda5812749b4c0bdf79b18dd
- safetensors index — metadata.total_size=65527752704
- Artifact repo Qwen/Qwen2.5-32B-Instruct-GGUF
- NVIDIA GeForce RTX 4090 product page — Standard Memory Config 24 GB GDDR6X
Calculadora
Esta página de combo mantiene el modelo y el dispositivo de la ruta. Personaliza en la calculadora principal; el enlace conservará esa identidad.
Cargando la instantánea del catálogo…
Elige un modelo para ver cuánta memoria necesita.