Mistral-Nemo-Instruct-2407 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 (Unsloth)：8,192 トークンで約 8.34 GiB–8.94 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Mistral AI
- Hugging Face
mistralai/Mistral-Nemo-Instruct-2407 - Revision
04d8a90549d23fc6bd7f642064003592df51e9b3 - 総パラメータ数12,247,782,400
- 層数40
- クエリヘッド32
- 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
- 6.96 GiB (7,477,204,512 bytes)
- Raw KV cache
- 1.25 GiB (1,342,177,280 bytes)
- Engine extras / workspace
- 0.13 GiB–0.73 GiB
- Total estimated demand
- 8.34 GiB–8.94 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 | 24,495,564,800 (22.81 GiB / 24.50 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Mistral-Nemo-Instruct-2407.Q4_K_M.gguf | 7,477,204,512 (6.96 GiB / 7.48 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Mistral-Nemo-Instruct-2407.Q5_K_M.gguf | 8,727,631,392 (8.13 GiB / 8.73 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Mistral-Nemo-Instruct-2407.Q6_K.gguf | 10,056,209,952 (9.37 GiB / 10.06 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Mistral-Nemo-Instruct-2407.Q8_0.gguf | 13,022,369,312 (12.13 GiB / 13.02 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 6,123,891,200 (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 | 23.75 GiB–25.64 GiB | 24.69 GiB–26.60 GiB | 28.44 GiB–30.46 GiB |
| GGUF Q4_K_M (Unsloth) | 7.40 GiB–7.92 GiB | 8.34 GiB–8.94 GiB | 12.09 GiB–12.95 GiB |
| GGUF Q5_K_M (Unsloth) | 8.57 GiB–9.11 GiB | 9.50 GiB–10.13 GiB | 13.25 GiB–14.14 GiB |
| GGUF Q6_K (Unsloth) | 9.80 GiB–10.37 GiB | 10.74 GiB–11.39 GiB | 14.49 GiB–15.40 GiB |
| GGUF Q8_0 (Unsloth) | 12.57 GiB–13.19 GiB | 13.50 GiB–14.21 GiB | 17.25 GiB–18.22 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。 | 6.14 GiB–8.29 GiB | 7.08 GiB–9.46 GiB | 10.83 GiB–14.07 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（32）ではなく KV heads（8）を使います。
- 8,192 tokens, 1 sequence, FP16: 1,342,177,280 bytes (1.2500 GiB)
- 32,768 tokens: 5,368,709,120 bytes (5.00 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: Mistral-Nemo-Instruct-2407.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。