Qwen2.5-Coder-1.5B-Instruct Q4_K_M: VRAM necesaria 1,80 GiB

VRAM necesaria 1,80 GiB. Qwen2.5-Coder-1.5B-Instruct Q4_K_M a 8192 tokens es una estimación de 1,38 GiB–1,80 GiB para un LLM en local. Repositorio Qwen/Qwen2.5-Coder-1.5B-Instruct. Archivo de 1.117.320.768 bytes. Sin GPU, esto es demanda, no si cabe.

Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_K_M (Qwen): 1,38 GiB–1,80 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

ProveedorQwen
Hugging FaceQwen/Qwen2.5-Coder-1.5B-Instruct
Revision2e1fd397ee46e1388853d2af2c993145b0f1098a
Parámetros totales1.543.714.304
Capas28
Cabezas de consulta12
Cabezas KV2 (gqa)
Dimensión de cabeza128
Contexto documentado32.768
Integridadpartial · 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: 1,04 GiB (1.117.320.768 bytes)
Raw KV cache: 0,22 GiB (234.881.024 bytes)
Engine extras / workspace: 0,13 GiB–0,54 GiB
Total estimated demand: 1,38 GiB–1,80 GiB

Archivos contados

Cuantización	Archivos contados	Bytes	Motor	Evidencia
GGUF Q4_K_M (Qwen) gguf-q4_k_m Calculadora: GGUF Q4_K_M (Qwen)	qwen2.5-coder-1.5b-instruct-q4_k_m.gguf	1.117.320.768 (1,04 GiB / 1,12 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Qwen) gguf-q5_k_m Calculadora: GGUF Q5_K_M (Qwen)	qwen2.5-coder-1.5b-instruct-q5_k_m.gguf	1.285.494.336 (1,20 GiB / 1,29 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Qwen) gguf-q6_k Calculadora: GGUF Q6_K (Qwen)	qwen2.5-coder-1.5b-instruct-q6_k.gguf	1.464.178.752 (1,36 GiB / 1,46 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (Qwen) gguf-q8_0 Calculadora: GGUF Q8_0 (Qwen)	qwen2.5-coder-1.5b-instruct-q8_0.gguf	1.894.532.160 (1,76 GiB / 1,89 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	No hay archivo publicado	771.857.152 (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
GGUF Q4_K_M (Qwen)	1,22 GiB–1,62 GiB	1,38 GiB–1,80 GiB	2,04 GiB–2,50 GiB
GGUF Q5_K_M (Qwen)	1,38 GiB–1,78 GiB	1,54 GiB–1,96 GiB	2,20 GiB–2,66 GiB
GGUF Q6_K (Qwen)	1,54 GiB–1,95 GiB	1,71 GiB–2,12 GiB	2,36 GiB–2,83 GiB
GGUF Q8_0 (Qwen)	1,94 GiB–2,36 GiB	2,11 GiB–2,53 GiB	2,76 GiB–3,24 GiB
INT4 theoretical Las filas teóricas no son artefactos descargables.	0,90 GiB–1,57 GiB	1,06 GiB–1,77 GiB	1,72 GiB–2,58 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 (2), no query heads (12).

8,192 tokens, 1 sequence, FP16: 234.881.024 bytes (0,2188 GiB)
32,768 tokens: 939.524.096 bytes (0,8750 GiB)

Abrir la calculadora con este modelo

Páginas relacionadas

Fuentes

Qwen2.5-Coder-1.5B-Instruct model card
config.json — revision 2e1fd397ee46e1388853d2af2c993145b0f1098a
Artifact repo Qwen/Qwen2.5-Coder-1.5B-Instruct-GGUF

Hipótesis que afectan al resultado

El contexto pedido cabe en la ventana nativa de 32768 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: qwen2.5-coder-1.5b-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…

Elige primero un modelo y después revisa el equipo.

Modelo

Mostrar modelos históricos

Cuantización

Tipo de dispositivo

Hardware

Carga

La longitud de contexto afecta sobre todo a la memoria de la caché KV.

Ajustes avanzados

Ejecución

Motor y tipo de caché KV de esta estimación.

MotorTipo de caché KVDtype de estado recurrente / conv Incluir estimaciones teóricas (experto) Permitir un sustituto si el filtro no tiene coincidencia

Carga

Escenario de sobrecarga y el espacio de prellenado.

Escenario de sobrecoste en tiempo de ejecución Incluir un espacio de trabajo de prefill más pesado

Topología

Cómo se reparte el modelo entre dispositivos. La memoria no se suma.

DesplieguePartición intra-réplicaNúmero de dispositivos

El número de réplicas es avanzado. La cantidad son nodos o GPUs, no réplicas.

Grupos de réplicasDispositivos por réplica

Presupuesto

Reserva del sistema y margen de seguridad. Un número vacío conserva el valor anterior.

Reserva para sistema / pantalla

GiB (2^30 bytes)

El presupuesto ya descuenta la reserva del sistemaMargen de seguridad extra

Bits efectivos por parámetro (personalizado)Unidad de visualización

Modelo personalizado

Importe una config o escriba la arquitectura. No se escanea nada hasta importar.

Importar config.json local

Se analiza en el navegador. El archivo no se sube.

Repo público de Hugging FaceRevisión

Solo huggingface.co, solo config.json, sin token. Se rechazan repos privados.

Parámetros totalesParámetros activosCapasCabezas de consultaCabezas KVDimensión de cabeza

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.