Qwen3-0.6B: requisitos de VRAM y memoria
Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_K_M (Unsloth): 1,37 GiB–1,81 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/Qwen3-0.6B - Revision
c1899de289a04d12100db370d81485cdf75e47ca - Parámetros totales751.632.384
- Capas28
- Cabezas de consulta16
- Cabezas KV8 (gqa)
- Dimensión de cabeza128
- Contexto documentado40.960
- 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
- 0,37 GiB (396.705.472 bytes)
- Raw KV cache
- 0,88 GiB (939.524.096 bytes)
- Engine extras / workspace
- 0,13 GiB–0,57 GiB
- Total estimated demand
- 1,37 GiB–1,81 GiB
Archivos contados
| Cuantización | Archivos contados | Bytes | Motor | Evidencia |
|---|---|---|---|---|
| GGUF Q8_0 (Qwen) gguf-q8_0 | Qwen3-0.6B-Q8_0.gguf | 639.446.688 (0,60 GiB / 0,64 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen3-0.6B-Q4_K_M.gguf | 396.705.472 (0,37 GiB / 0,40 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen3-0.6B-Q5_K_M.gguf | 444.415.680 (0,41 GiB / 0,44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen3-0.6B-Q6_K.gguf | 495.107.776 (0,46 GiB / 0,50 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | No hay archivo publicado | 375.816.192 (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 Q8_0 (Qwen) | 0,94 GiB–1,33 GiB | 1,60 GiB–2,04 GiB | 4,22 GiB–4,85 GiB |
| GGUF Q4_K_M (Unsloth) | 0,71 GiB–1,10 GiB | 1,37 GiB–1,81 GiB | 3,99 GiB–4,62 GiB |
| GGUF Q5_K_M (Unsloth) | 0,76 GiB–1,15 GiB | 1,41 GiB–1,86 GiB | 4,04 GiB–4,67 GiB |
| GGUF Q6_K (Unsloth) | 0,80 GiB–1,19 GiB | 1,46 GiB–1,91 GiB | 4,09 GiB–4,72 GiB |
| INT4 theoretical Las filas teóricas no son artefactos descargables. | 0,69 GiB–1,28 GiB | 1,35 GiB–2,10 GiB | 3,98 GiB–5,33 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 (16).
- 8,192 tokens, 1 sequence, FP16: 939.524.096 bytes (0,8750 GiB)
- 32,768 tokens: 3.758.096.384 bytes (3,5000 GiB)
Páginas relacionadas
Fuentes
- Qwen3-0.6B model card
- config.json — revision c1899de289a04d12100db370d81485cdf75e47ca
- Artifact repo Qwen/Qwen3-0.6B-GGUF
- Artifact repo unsloth/Qwen3-0.6B-GGUF
Hipótesis que afectan al resultado
- El contexto pedido cabe en la ventana nativa de 40960 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: Qwen3-0.6B-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.