RTX 4090でQwen2.5-7B-Instructは動く？
動きます Qwen2.5-7B-Instruct の BF16 は 8,192 トークンのコンテキストで 15.25 GiB–17.14 GiB 必要です。RTX 4090 で使えるのは約 22 GiB です。
4 ファイル、合計 15.2 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 | 15.2 GB | vllm | 15.2 GiB–17.1 GiB | 収まる |
| GGUF Q8_0 | 8.1 GB | llama.cpp | 8.1 GiB–8.7 GiB | 余裕あり |
| GGUF Q6_K (Qwen) | 6.3 GB | llama.cpp | 6.4 GiB–6.9 GiB | 余裕あり |
| GGUF Q5_K_M | 5.4 GB | llama.cpp | 5.6 GiB–6.1 GiB | 余裕あり |
| GGUF Q4_K_M | 4.7 GB | llama.cpp | 4.9 GiB–5.4 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Qwen2.5-7B-Instruct
- ハードウェアGeForce RTX 4090 24GB (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
qwen2.5-7b-instruct - ハードウェア
nvidia-geforce-rtx-4090-24gb-desktop - 量子化
bf16 - この構成の共有コード
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4yLjUtN2ItaW5zdHJ1Y3QiLCJoYXJkd2FyZUlkIjoibnZpZGlhLWdlZm9yY2UtcnR4LTQwOTAtMjRnYi1kZXNrdG9wIiwiZGV2aWNlQ291bnQiOjEsInF1YW50aXphdGlvbklkIjoiYmYxNiIsImNvbnRleHRUb2tlbnMiOjgxOTIsImNvbmN1cnJlbnRTZXF1ZW5jZXMiOjEsImVuZ2luZSI6InZsbG0iLCJrdlR5cGUiOiJmcDE2In19
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）
- 14.19 GiB (15,231,233,024 bytes)
- KV キャッシュ
- 0.44 GiB (469,762,048 bytes)
- ランタイムのバッファ
- 0.63 GiB–2.51 GiB
- 合計
- 15.25 GiB–17.14 GiB
- 使えるメモリ
- 22.00 GiB
- OS / 画面の予約
- 2.00 GiB
- 残り
- 4.86 GiB–6.75 GiB
高めの見積もり 17.14 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。
- 計上したファイル: model-00001-of-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.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。