A100でQwen2.5-72B-Instructは動く？
動きません Qwen2.5-72B-Instruct の BF16 は 8,192 トークンのコンテキストで 138.55 GiB–140.50 GiB 必要です。A100 で使えるのは約 78 GiB です。
37 ファイル、合計 145.4 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 Q6_K (Qwen) を使う：同じコンテキストで約 60 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 | 145.4 GB | vllm | 138.6 GiB–140.5 GiB | 収まらない |
| GGUF Q8_0 (Qwen) | 77.5 GB | llama.cpp | 74.8 GiB–76.8 GiB | ぎりぎり |
| GGUF Q6_K (Qwen) | 59.9 GB | llama.cpp | 58.4 GiB–60.0 GiB | 収まる |
| GGUF Q5_K_M (Qwen) | 51.7 GB | llama.cpp | 50.8 GiB–52.3 GiB | 余裕あり |
| GGUF Q4_K_M | 44.0 GB | llama.cpp | 43.6 GiB–45.0 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Qwen2.5-72B-Instruct
- ハードウェアNVIDIA A100 80GB SXM
- 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
qwen2.5-72b-instruct - ハードウェア
nvidia-a100-80gb-sxm - 量子化
bf16 - この構成の共有コード
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4yLjUtNzJiLWluc3RydWN0IiwiaGFyZHdhcmVJZCI6Im52aWRpYS1hMTAwLTgwZ2Itc3htIiwiZGV2aWNlQ291bnQiOjEsInF1YW50aXphdGlvbklkIjoiYmYxNiIsImNvbnRleHRUb2tlbnMiOjgxOTIsImNvbmN1cnJlbnRTZXF1ZW5jZXMiOjEsImVuZ2luZSI6InZsbG0iLCJrdlR5cGUiOiJmcDE2In19
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）
- 135.43 GiB (145,412,407,296 bytes)
- KV キャッシュ
- 2.50 GiB (2,684,354,560 bytes)
- ランタイムのバッファ
- 0.63 GiB–2.58 GiB
- 合計
- 138.55 GiB–140.50 GiB
- 使えるメモリ
- 78.00 GiB
- OS / 画面の予約
- 2.00 GiB
- 残り
- -62.50 GiB–-60.55 GiB
高めの見積もり 140.50 GiB／使える容量 78.00 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 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 37 個、合計 145412407296 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。