RTX 4060でPhi-3.5-mini-instructは動く？
動きません Phi-3.5-mini-instruct の BF16 は 8,192 トークンのコンテキストで 10.74 GiB–12.71 GiB 必要です。RTX 4060 で使えるのは約 7 GiB です。
2 ファイル、合計 7.6 GB。
これはモデルの config とファイルサイズからの推定で、実測ではありません。 計算方法
変えるべき点
- 代わりに GGUF Q4_K_M (bartowski) を使う：同じコンテキストで約 6 GiB（収まる）。
このグラボでのほかのファイル
| 量子化 | ファイルサイズ | エンジン | 合計 | 適合 |
|---|---|---|---|---|
| BF16 safetensors この設定 | 7.6 GB | vllm | 10.7 GiB–12.7 GiB | 収まらない |
| GGUF Q8_0 (bartowski) | 4.1 GB | llama.cpp | 6.9 GiB–7.6 GiB | ぎりぎり |
| GGUF Q6_K (bartowski) | 3.1 GB | llama.cpp | 6.0 GiB–6.7 GiB | ぎりぎり |
| GGUF Q5_K_M (bartowski) | 2.8 GB | llama.cpp | 5.7 GiB–6.4 GiB | ぎりぎり |
| GGUF Q4_K_M (bartowski) | 2.4 GB | llama.cpp | 5.4 GiB–6.0 GiB | 収まる |
同じコンテキスト（8,192 トークン）、同時に 1 会話、各ファイルは通常のエンジンで計算しています。
固定の設定
- モデルPhi-3.5-mini-instruct
- ハードウェアGeForce RTX 4060 8GB (desktop)
- 量子化BF16 safetensors
- コンテキスト長（キャッシュするトークン数）8,192
- 実行エンジン
vllm - 同時シーケンス数1
- KV Cache の精度fp16
技術識別子と共有データ
- モデル
phi-3.5-mini-instruct - ハードウェア
nvidia-geforce-rtx-4060-8gb-desktop - 量子化
bf16 - この構成の共有コード
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InBoaS0zLjUtbWluaS1pbnN0cnVjdCIsImhhcmR3YXJlSWQiOiJudmlkaWEtZ2Vmb3JjZS1ydHgtNDA2MC04Z2ItZGVza3RvcCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImJmMTYiLCJjb250ZXh0VG9rZW5zIjo4MTkyLCJjb25jdXJyZW50U2VxdWVuY2VzIjoxLCJlbmdpbmUiOiJ2bGxtIiwia3ZUeXBlIjoiZnAxNiJ9fQ
この数値の計算方法
合計 = 重みファイル + KV キャッシュ + ランタイムのバッファ。範囲は表示中のエンジンのオーバーヘッドの低めから高めまでです。
- 重み（ファイル）
- 7.12 GiB (7,642,159,104 bytes)
- KV キャッシュ
- 3.00 GiB (3,221,225,472 bytes)
- ランタイムのバッファ
- 0.63 GiB–2.59 GiB
- 合計
- 10.74 GiB–12.71 GiB
- 使えるメモリ
- 7.00 GiB
- OS / 画面の予約
- 1.00 GiB
- 残り
- -5.71 GiB–-3.74 GiB
高めの見積もり 12.71 GiB／使える容量 7.00 GiB
メモリが足りても、指定のエンジン・量子化・OS で動くとは限りません。動いても速いとは限りません。
- コンテキスト長はネイティブの 131072 トークン以内です。
- 常駐する重みは総パラメータ数で見積もり、使われていない MoE エキスパートも含めます。
- 重みのバイト数は選んだファイルだけで数えます。リポジトリ内の全量子化を合計することはありません。
- ダウンロードサイズはピーク時の GPU メモリではありません。実行時のレイアウトや KVキャッシュが上乗せされます。
- 計上したファイル: model-00001-of-00002.safetensors, model-00002-of-00002.safetensors。
- コンテキスト長は、シーケンスごとにキャッシュするトークン数（入力＋生成分）です。
- 同時シーケンスは1つのモデルを共有するため、重みはシーケンス数で増えません。
- KVキャッシュの精度は、変更しない限り重みの量子化とは無関係です。
関連ページ
出典
計算機
組み合わせページはルートのモデルと機材を固定します。変更するにはメイン計算機でカスタマイズし、共有がその身元を保持します。
公開カタログスナップショットを読み込み中…
モデルを選ぶと必要なメモリがわかります。
モデルを選ぶと必要なメモリがわかります。