Llama-3.1-Nemotron-70B-Instruct-HF の VRAM・メモリ要件
出典付きの構成と、選択した重みファイルに基づく具体的なチェックポイントです。 GGUF Q4_K_M (bartowski)：8,192 トークンで約 42.23 GiB–43.57 GiB、シーケンス 1、FP16 KV、llama.cpp。
これは見積もりであり、実機トレースではありません。未確認ファイル由来の重み
動く構成
公開元と出典
- 提供元NVIDIA
- Hugging Face
nvidia/Llama-3.1-Nemotron-70B-Instruct-HF - Revision
031d4042f36adc1a52cca51b331d25cbe3cf1022 - 総パラメータ数70,553,706,496
- 層数80
- クエリヘッド64
- KVヘッド8 (gqa)
- ヘッド次元128
- 記録されているコンテキスト上限131,072
- 完全性complete · full
この見積もりのメモリ内訳
ファイルのバイト、生の KV、エンジンの追加分、合計需要は別々です。ランタイムのトレースではありません。
- Weight artifact
- 39.60 GiB (42,520,398,752 bytes)
- Raw KV cache
- 2.50 GiB (2,684,354,560 bytes)
- Engine extras / workspace
- 0.13 GiB–1.47 GiB
- Total estimated demand
- 42.23 GiB–43.57 GiB
計上したファイル
| 量子化 | 計上したファイル | バイト | 実行エンジン | 根拠 |
|---|---|---|---|---|
| BF16 safetensors bf16 | 141,107,412,992 (131.42 GiB / 141.11 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (bartowski) gguf-q4_k_m | Llama-3.1-Nemotron-70B-Instruct-HF-Q4_K_M.gguf | 42,520,398,752 (39.60 GiB / 42.52 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (bartowski) gguf-q5_k_m | Llama-3.1-Nemotron-70B-Instruct-HF-Q5_K_M/Llama-3.1-Nemotron-70B-Instruct-HF-Q5_K_M-00001-of-00002.gguf, Llama-3.1-Nemotron-70B-Instruct-HF-Q5_K_M/Llama-3.1-Nemotron-70B-Instruct-HF-Q5_K_M-00002-of-00002.gguf | 49,949,822,016 (46.52 GiB / 49.95 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (bartowski) gguf-q6_k | Llama-3.1-Nemotron-70B-Instruct-HF-Q6_K/Llama-3.1-Nemotron-70B-Instruct-HF-Q6_K-00001-of-00002.gguf, Llama-3.1-Nemotron-70B-Instruct-HF-Q6_K/Llama-3.1-Nemotron-70B-Instruct-HF-Q6_K-00002-of-00002.gguf | 57,888,148,576 (53.91 GiB / 57.89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (bartowski) gguf-q8_0 | Llama-3.1-Nemotron-70B-Instruct-HF-Q8_0/Llama-3.1-Nemotron-70B-Instruct-HF-Q8_0-00001-of-00002.gguf, Llama-3.1-Nemotron-70B-Instruct-HF-Q8_0/Llama-3.1-Nemotron-70B-Instruct-HF-Q8_0-00002-of-00002.gguf | 74,975,054,944 (69.83 GiB / 74.98 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 35,276,853,248 (理論行はダウンロード可能な成果物ではありません。) | — | theoretical |
量子化とコンテキストごとのメモリ
同時シーケンスは 1 です。KV は既定で FP16 です。範囲には、記載したエンジンの記録済みランタイム分が含まれます。数字は対話式計算機と同じコアです。
| 量子化 | 2,048 tokens | 8,192 tokens | 32,768 tokens |
|---|---|---|---|
| BF16 safetensors | 132.67 GiB–134.56 GiB | 134.54 GiB–136.49 GiB | 142.04 GiB–144.22 GiB |
| GGUF Q4_K_M (bartowski) | 40.35 GiB–41.53 GiB | 42.23 GiB–43.57 GiB | 49.73 GiB–51.59 GiB |
| GGUF Q5_K_M (bartowski) | 47.27 GiB–48.59 GiB | 49.14 GiB–50.62 GiB | 56.64 GiB–58.65 GiB |
| GGUF Q6_K (bartowski) | 54.66 GiB–56.13 GiB | 56.54 GiB–58.17 GiB | 64.04 GiB–66.19 GiB |
| GGUF Q8_0 (bartowski) | 70.58 GiB–72.36 GiB | 72.45 GiB–74.40 GiB | 79.95 GiB–82.42 GiB |
| INT4 theoretical 理論行はダウンロード可能な成果物ではありません。 | 33.60 GiB–43.62 GiB | 35.48 GiB–45.97 GiB | 42.98 GiB–55.20 GiB |
KV Cache（生データ）
標準の GQA/MHA 生 KV は 2 × 層数 × kvHeads × headDim × トークン数 × シーケンス数 × 要素バイトです。このページは query heads（64）ではなく KV heads（8）を使います。
- 8,192 tokens, 1 sequence, FP16: 2,684,354,560 bytes (2.5000 GiB)
- 32,768 tokens: 10,737,418,240 bytes (10.00 GiB)
関連ページ
出典
結果を左右する前提
- 要求コンテキストは記録上のネイティブ窓 131072 トークン以内です。
- 常駐ウェイトの見積もりは総パラメータを使い、非アクティブな MoE エキスパートも含めます。
- ウェイトのバイト数は選んだファイルだけです。リポジトリ内の全量子化を合計しません。
- ダウンロードサイズはピーク GPU メモリではありません。実行時レイアウトと KV は別です。
- 計上したファイル: Llama-3.1-Nemotron-70B-Instruct-HF-Q4_K_M.gguf。
- コンテキストはシーケンスあたりのキャッシュトークン数（入力＋生成の予約）です。
- 同時シーケンスは同一のモデル複製を共有し、ウェイトはシーケンス数では増えません。
- KV の型は、変更しない限りウェイト量子化とは独立です。
計算機
公開カタログスナップショットを読み込み中…
検索するかカタログから選ぶと、ローカルLLMの必要VRAMが出ます。
検索するかカタログから選ぶと、ローカルLLMの必要VRAMが出ます。