Qwen2.5-VL-3B-Instruct: requisitos de VRAM y memoria
Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_K_M (Unsloth): 2,20 GiB–2,63 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-VL-3B-Instruct - Revision
66285546d2b821cf421d4f5eb2576359d3770cd3 - Parámetros totales3.754.622.976
- Capas36
- Cabezas de consulta16
- Cabezas KV2 (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
- 1,80 GiB (1.929.901.408 bytes)
- Raw KV cache
- 0,28 GiB (301.989.888 bytes)
- Engine extras / workspace
- 0,13 GiB–0,56 GiB
- Total estimated demand
- 2,20 GiB–2,63 GiB
Archivos contados
| Cuantización | Archivos contados | Bytes | Motor | Evidencia |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 7.509.245.952 (6,99 GiB / 7,51 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen2.5-VL-3B-Instruct-Q4_K_M.gguf | 1.929.901.408 (1,80 GiB / 1,93 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen2.5-VL-3B-Instruct-Q5_K_M.gguf | 2.224.813.408 (2,07 GiB / 2,22 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen2.5-VL-3B-Instruct-Q6_K.gguf | 2.538.157.408 (2,36 GiB / 2,54 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Qwen2.5-VL-3B-Instruct-Q8_0.gguf | 3.285.474.656 (3,06 GiB / 3,29 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | No hay archivo publicado | 1.877.311.488 (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 | 7,69 GiB–9,57 GiB | 7,90 GiB–9,78 GiB | 8,74 GiB–10,65 GiB |
| GGUF Q4_K_M (Unsloth) | 1,99 GiB–2,41 GiB | 2,20 GiB–2,63 GiB | 3,05 GiB–3,54 GiB |
| GGUF Q5_K_M (Unsloth) | 2,27 GiB–2,69 GiB | 2,48 GiB–2,91 GiB | 3,32 GiB–3,82 GiB |
| GGUF Q6_K (Unsloth) | 2,56 GiB–2,98 GiB | 2,77 GiB–3,21 GiB | 3,61 GiB–4,11 GiB |
| GGUF Q8_0 (Unsloth) | 3,26 GiB–3,69 GiB | 3,47 GiB–3,92 GiB | 4,31 GiB–4,82 GiB |
| INT4 theoretical Las filas teóricas no son artefactos descargables. | 1,94 GiB–2,91 GiB | 2,15 GiB–3,17 GiB | 3,00 GiB–4,21 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 (16).
- 8,192 tokens, 1 sequence, FP16: 301.989.888 bytes (0,2813 GiB)
- 32,768 tokens: 1.207.959.552 bytes (1,1250 GiB)
Páginas relacionadas
Fuentes
- Qwen2.5-VL-3B-Instruct model card
- config.json — revision 66285546d2b821cf421d4f5eb2576359d3770cd3
- safetensors index — metadata.total_size=7509245952
- Artifact repo unsloth/Qwen2.5-VL-3B-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-3B-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…
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.