Qwen2.5-Coder-14B-Instruct: requisitos de VRAM y memoria
Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_K_M (Qwen): 10,00 GiB–10,64 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 Face
Qwen/Qwen2.5-Coder-14B-Instruct - Revision
aedcc2d42b622764e023cf882b6652e646b95671 - Parámetros totales14.770.033.664
- Capas48
- Cabezas de consulta40
- Cabezas KV8 (gqa)
- Dimensión de cabeza128
- Contexto documentado32.768
- 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
- 8,37 GiB (8.988.110.400 bytes)
- Raw KV cache
- 1,50 GiB (1.610.612.736 bytes)
- Engine extras / workspace
- 0,13 GiB–0,77 GiB
- Total estimated demand
- 10,00 GiB–10,64 GiB
Archivos contados
| Cuantización | Archivos contados | Bytes | Motor | Evidencia |
|---|---|---|---|---|
| BF16 safetensors bf16 | 29.540.067.328 (27,51 GiB / 29,54 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-14b-instruct-q4_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q4_k_m-00002-of-00002.gguf | 8.988.110.400 (8,37 GiB / 8,99 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-14b-instruct-q5_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q5_k_m-00002-of-00002.gguf | 10.508.873.280 (9,79 GiB / 10,51 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-14b-instruct-q6_k-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q6_k-00002-of-00002.gguf | 12.124.683.840 (11,29 GiB / 12,12 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-14b-instruct-q8_0-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q8_0-00002-of-00002.gguf | 15.701.597.760 (14,62 GiB / 15,70 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | No hay archivo publicado | 7.385.016.832 (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 | 28,51 GiB–30,40 GiB | 29,64 GiB–31,56 GiB | 34,14 GiB–36,19 GiB |
| GGUF Q4_K_M (Qwen) | 8,87 GiB–9,42 GiB | 10,00 GiB–10,64 GiB | 14,50 GiB–15,46 GiB |
| GGUF Q5_K_M (Qwen) | 10,29 GiB–10,87 GiB | 11,41 GiB–12,09 GiB | 15,91 GiB–16,90 GiB |
| GGUF Q6_K (Qwen) | 11,79 GiB–12,40 GiB | 12,92 GiB–13,62 GiB | 17,42 GiB–18,44 GiB |
| GGUF Q8_0 (Qwen) | 15,12 GiB–15,80 GiB | 16,25 GiB–17,02 GiB | 20,75 GiB–21,84 GiB |
| INT4 theoretical Las filas teóricas no son artefactos descargables. | 7,38 GiB–9,87 GiB | 8,50 GiB–11,28 GiB | 13,00 GiB–16,82 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 (40).
- 8,192 tokens, 1 sequence, FP16: 1.610.612.736 bytes (1,5000 GiB)
- 32,768 tokens: 6.442.450.944 bytes (6,00 GiB)
Páginas relacionadas
Fuentes
- Qwen2.5-Coder-14B-Instruct model card
- config.json — revision aedcc2d42b622764e023cf882b6652e646b95671
- safetensors index — metadata.total_size=29540067328
- Artifact repo Qwen/Qwen2.5-Coder-14B-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-14b-instruct-q4_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q4_k_m-00002-of-00002.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.