RTX 4090でQwen2.5-72B-Instructは動く？
動きません Qwen2.5-72B-Instruct の Q4_K_M は 4,096 トークンのコンテキストで 42.36 GiB–43.58 GiB 必要です。RTX 4090 で使えるのは約 22 GiB です。
12 ファイル、合計 44.0 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
- このコンテキストでは、このモデルの公開ファイルはどれもこのデバイスに収まりません。メモリの多いカードか、小さいモデルが必要です。
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 | 145.4 GB | vllm | 137.3 GiB–139.2 GiB | 収まらない |
| GGUF Q8_0 (Qwen) | 77.5 GB | llama.cpp | 73.6 GiB–75.4 GiB | 収まらない |
| GGUF Q6_K (Qwen) | 59.9 GB | llama.cpp | 57.1 GiB–58.6 GiB | 収まらない |
| GGUF Q5_K_M (Qwen) | 51.7 GB | llama.cpp | 49.5 GiB–50.9 GiB | 収まらない |
| GGUF Q4_K_M この設定 | 44.0 GB | llama.cpp | 42.4 GiB–43.6 GiB | 収まらない |
同じコンテキスト（4,096 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GeForce RTX 4090 24GB (desktop)
- 量子化GGUF Q4_K_M
- コンテキスト長（キャッシュするトークン数）4,096
- 実行エンジン
llama.cpp - 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-geforce-rtx-4090-24gb-desktop - 量子化
gguf-q4_k_m - この構成の共有コード
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4yLjUtNzJiLWluc3RydWN0IiwiaGFyZHdhcmVJZCI6Im52aWRpYS1nZWZvcmNlLXJ0eC00MDkwLTI0Z2ItZGVza3RvcCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImdndWYtcTRfa19tIiwiY29udGV4dFRva2VucyI6NDA5NiwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoibGxhbWEuY3BwIiwia3ZUeXBlIjoiZnAxNiJ9fQ
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）
- 40.99 GiB (44,010,465,472 bytes)
- KV キャッシュ
- 1.25 GiB (1,342,177,280 bytes)
- ランタイムのバッファ
- 0.13 GiB–1.34 GiB
- 合計
- 42.36 GiB–43.58 GiB
- 使えるメモリ
- 22.00 GiB
- OS / 画面の予約
- 2.00 GiB
- 残り
- -21.58 GiB–-20.36 GiB
高めの見積もり 43.58 GiB／使える容量 22.00 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 12 個、合計 44010465472 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。