Requisitos de VRAM de Qwen2.5-VL-32B-Instruct: unos 23,1 GB (Q4_K_M) a unos 73,2 GB (BF16)

Editor y procedencia

ProveedorQwen
Hugging FaceQwen/Qwen2.5-VL-32B-Instruct
Revision7cfb30d71a1f4f49a57592323337a4a4727301da
Parámetros totales33.452.718.336
Capas64
Cabezas de consulta40
Cabezas KV8 (gqa)
Dimensión de cabeza128
Contexto documentado128.000
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: 18,49 GiB (19.851.335.200 bytes)
Raw KV cache: 2,00 GiB (2.147.483.648 bytes)
Engine extras / workspace: 0,13 GiB–1,01 GiB
Total estimated demand: 20,61 GiB–21,50 GiB

Archivos contados

Cuantización	Archivos contados	Bytes	Motor	Evidencia
BF16 safetensors bf16 Calculadora: BF16 safetensors	18 fragmentos safetensors Bytes seleccionados en total: 68.283.120.640 (63,59 GiB / 68,28 GB) Primer fragmento: model-00001-of-00018.safetensors Último fragmento: model-00018-of-00018.safetensors Ver los 18 archivos de fragmentos `model-00001-of-00018.safetensors` `model-00002-of-00018.safetensors` `model-00003-of-00018.safetensors` `model-00004-of-00018.safetensors` `model-00005-of-00018.safetensors` `model-00006-of-00018.safetensors` `model-00007-of-00018.safetensors` `model-00008-of-00018.safetensors` `model-00009-of-00018.safetensors` `model-00010-of-00018.safetensors` `model-00011-of-00018.safetensors` `model-00012-of-00018.safetensors` `model-00013-of-00018.safetensors` `model-00014-of-00018.safetensors` `model-00015-of-00018.safetensors` `model-00016-of-00018.safetensors` `model-00017-of-00018.safetensors` `model-00018-of-00018.safetensors`	68.283.120.640 (63,59 GiB / 68,28 GB)	`vllm, sglang, unspecified`	`file-metadata`
GGUF Q4_K_M (Unsloth) gguf-q4_k_m Calculadora: GGUF Q4_K_M (Unsloth)	Qwen2.5-VL-32B-Instruct-Q4_K_M.gguf	19.851.335.200 (18,49 GiB / 19,85 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Unsloth) gguf-q5_k_m Calculadora: GGUF Q5_K_M (Unsloth)	Qwen2.5-VL-32B-Instruct-Q5_K_M.gguf	23.262.156.320 (21,66 GiB / 23,26 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Unsloth) gguf-q6_k Calculadora: GGUF Q6_K (Unsloth)	Qwen2.5-VL-32B-Instruct-Q6_K.gguf	26.886.153.760 (25,04 GiB / 26,89 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (mradermacher) gguf-q8_0 Calculadora: GGUF Q8_0 (mradermacher)	Qwen2.5-VL-32B-Instruct.Q8_0.gguf	34.820.885.184 (32,43 GiB / 34,82 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	No hay archivo publicado	16.726.359.168 (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	64,72 GiB–66,61 GiB	66,22 GiB–68,15 GiB	72,22 GiB–74,33 GiB
GGUF Q4_K_M (Unsloth)	19,11 GiB–19,87 GiB	20,61 GiB–21,50 GiB	26,61 GiB–27,92 GiB
GGUF Q5_K_M (Unsloth)	22,29 GiB–23,11 GiB	23,79 GiB–24,74 GiB	29,79 GiB–31,16 GiB
GGUF Q6_K (Unsloth)	25,66 GiB–26,55 GiB	27,16 GiB–28,18 GiB	33,16 GiB–34,60 GiB
GGUF Q8_0 (mradermacher)	33,05 GiB–34,09 GiB	34,55 GiB–35,72 GiB	40,55 GiB–42,14 GiB
INT4 theoretical Las filas teóricas no son artefactos descargables.	16,20 GiB–21,23 GiB	17,70 GiB–23,10 GiB	23,70 GiB–30,48 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: 2.147.483.648 bytes (2,00 GiB)
32,768 tokens: 8.589.934.592 bytes (8,00 GiB)

Páginas relacionadas

Fuentes

Qwen2.5-VL-32B-Instruct model card
config.json — revision 7cfb30d71a1f4f49a57592323337a4a4727301da
safetensors index — metadata.total_size=68283120640
Artifact repo unsloth/Qwen2.5-VL-32B-Instruct-GGUF
Artifact repo mradermacher/Qwen2.5-VL-32B-Instruct-GGUF

Hipótesis que afectan al resultado

El contexto pedido cabe en la ventana nativa de 128000 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-VL-32B-Instruct-Q4_K_M.gguf.
Hay componente de visión. La inferencia de texto no incluye encoder ni projector.
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.

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.