granite-3.3-8b-instruct: requisitos de VRAM y memoria
Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_K_M (IBM): 5,98 GiB–6,53 GiB a 8192 tokens, 1 secuencia, KV FP16, llama.cpp.
Este resultado es una estimación, no una traza medida.No verificadoPesos con archivo
Editor y procedencia
- ProveedorIBM
- Hugging Face
ibm-granite/granite-3.3-8b-instruct - Revision
51dd4bc2ade4059a6bd87649d68aa11e4fb2529b - Parámetros totales8.170.864.640
- Capas40
- Cabezas de consulta32
- Cabezas KV8 (gqa)
- Dimensión de cabeza128
- Contexto documentado131.072
- Integridadcomplete · full
Capas de memoria de esta estimación
Los bytes del archivo, el KV bruto, los extras del motor y la demanda total van aparte. No es una traza de ejecución.
- Weight artifact
- 4,60 GiB (4.942.873.344 bytes)
- Raw KV cache
- 1,25 GiB (1.342.177.280 bytes)
- Engine extras / workspace
- 0,13 GiB–0,68 GiB
- Total estimated demand
- 5,98 GiB–6,53 GiB
Archivos contados
| Cuantización | Archivos contados | Bytes | Motor | Evidencia |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 16.341.729.280 (15,22 GiB / 16,34 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (IBM) gguf-q4_k_m | granite-3.3-8b-instruct-Q4_K_M.gguf | 4.942.873.344 (4,60 GiB / 4,94 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (IBM) gguf-q5_k_m | granite-3.3-8b-instruct-Q5_K_M.gguf | 5.797.462.784 (5,40 GiB / 5,80 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (IBM) gguf-q6_k | granite-3.3-8b-instruct-Q6_K.gguf | 6.705.464.064 (6,24 GiB / 6,71 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (IBM) gguf-q8_0 | granite-3.3-8b-instruct-Q8_0.gguf | 8.684.264.992 (8,09 GiB / 8,68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | No hay archivo publicado | 4.085.432.320 (Las filas teóricas no son artefactos descargables.) | — | theoretical |
Memoria por cuantización y contexto
Secuencias concurrentes = 1. El KV es FP16 por defecto. El intervalo incluye extras de runtime documentados para el motor indicado. Las cifras usan el mismo núcleo que la calculadora interactiva.
| Cuantización | 2048 tokens | 8192 tokens | 32.768 tokens |
|---|---|---|---|
| BF16 safetensors | 16,16 GiB–18,04 GiB | 17,09 GiB–19,01 GiB | 20,84 GiB–22,87 GiB |
| GGUF Q4_K_M (IBM) | 5,04 GiB–5,51 GiB | 5,98 GiB–6,53 GiB | 9,73 GiB–10,55 GiB |
| GGUF Q5_K_M (IBM) | 5,84 GiB–6,33 GiB | 6,77 GiB–7,34 GiB | 10,52 GiB–11,36 GiB |
| GGUF Q6_K (IBM) | 6,68 GiB–7,19 GiB | 7,62 GiB–8,21 GiB | 11,37 GiB–12,22 GiB |
| GGUF Q8_0 (IBM) | 8,53 GiB–9,07 GiB | 9,46 GiB–10,09 GiB | 13,21 GiB–14,10 GiB |
| INT4 theoretical Las filas teóricas no son artefactos descargables. | 4,24 GiB–5,84 GiB | 5,18 GiB–7,01 GiB | 8,93 GiB–11,63 GiB |
Caché KV (datos brutos)
El KV bruto de GQA/MHA es 2 × capas × kvHeads × headDim × tokens × secuencias × bytes por elemento. Esta página usa KV heads (8), no query heads (32).
- 8,192 tokens, 1 sequence, FP16: 1.342.177.280 bytes (1,2500 GiB)
- 32,768 tokens: 5.368.709.120 bytes (5,00 GiB)
Páginas relacionadas
Fuentes
- granite-3.3-8b-instruct model card
- config.json — revision 51dd4bc2ade4059a6bd87649d68aa11e4fb2529b
- safetensors index — metadata.total_size=16341729280
- Artifact repo ibm-granite/granite-3.3-8b-instruct-GGUF
Hipótesis que afectan al resultado
- El contexto pedido cabe en la ventana nativa de 131072 tokens.
- La estimación residente usa el total de parámetros, incluidos expertos MoE inactivos.
- Los bytes de pesos salen solo de los archivos elegidos, no de todas las cuantizaciones del repositorio.
- El tamaño de descarga no es la memoria GPU de pico. El diseño en ejecución y la KV van aparte.
- Archivos contados: granite-3.3-8b-instruct-Q4_K_M.gguf.
- El contexto es el número de tokens en caché por secuencia (entrada más generación reservada).
- Las secuencias concurrentes comparten una copia del modelo; los pesos no se multiplican por el número de secuencias.
- El tipo de KV es independiente de la cuantización de pesos salvo que lo cambie.
Calculadora
Cargando la instantánea del catálogo…
Busque o elija un modelo del catálogo para ver la VRAM necesaria de un LLM en local.
Busque o elija un modelo del catálogo para ver la VRAM necesaria de un LLM en local.