DGX SparkでQwen2.5-32B-Instructは動く？
動きます。余裕もあります Qwen2.5-32B-Instruct の BF16 は 8,192 トークンのコンテキストで 63.65 GiB–65.59 GiB 必要です。DGX Spark (GB10) で使えるのは約 112 GiB です。
17 ファイル、合計 65.5 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
残りの余裕
- モデル本来の 32,768 トークンのコンテキストでも収まります。
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 | 65.5 GB | vllm | 63.7 GiB–65.6 GiB | 余裕あり |
| GGUF Q8_0 (Qwen) | 34.8 GB | llama.cpp | 34.6 GiB–35.7 GiB | 余裕あり |
| GGUF Q6_K (Qwen) | 26.9 GB | llama.cpp | 27.2 GiB–28.2 GiB | 余裕あり |
| GGUF Q5_K_M (Qwen) | 23.3 GB | llama.cpp | 23.8 GiB–24.7 GiB | 余裕あり |
| GGUF Q4_K_M | 19.9 GB | llama.cpp | 20.6 GiB–21.5 GiB | 余裕あり |
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Qwen2.5-32B-Instruct
- ハードウェアNVIDIA DGX Spark (GB10, 128 GB unified)
- 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
qwen2.5-32b-instruct - ハードウェア
nvidia-dgx-spark-128gb-unified - 量子化
bf16 - この構成の共有コード
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4yLjUtMzJiLWluc3RydWN0IiwiaGFyZHdhcmVJZCI6Im52aWRpYS1kZ3gtc3BhcmstMTI4Z2ItdW5pZmllZCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImJmMTYiLCJjb250ZXh0VG9rZW5zIjo4MTkyLCJjb25jdXJyZW50U2VxdWVuY2VzIjoxLCJlbmdpbmUiOiJ2bGxtIiwia3ZUeXBlIjoiZnAxNiJ9fQ
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）
- 61.03 GiB (65,527,752,704 bytes)
- KV キャッシュ
- 2.00 GiB (2,147,483,648 bytes)
- ランタイムのバッファ
- 0.63 GiB–2.56 GiB
- 合計
- 63.65 GiB–65.59 GiB
- 使えるメモリ
- 112.00 GiB
- OS / 画面の予約
- 16.00 GiB
- 残り
- 46.41 GiB–48.35 GiB
高めの見積もり 65.59 GiB／使える容量 112.00 GiB
ユニファイドメモリは 1 つの共有プールです。システム RAM を上乗せすることはできず、複数台でも 1 つのプールにはなりません。
- コンテキスト長はネイティブの 32768 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。
- ウェイトバイトは公開済み safetensors シャード 17 個、合計 65527752704 バイトです。
- 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。