OpenMath-Nemotron-32B 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 (mradermacher)：8,192 トークンで約 20.61 GiB–21.50 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
公開元と出典
- 提供元NVIDIA
- Hugging Face
nvidia/OpenMath-Nemotron-32B - Revision
bc78382d1594995c5202c25d20630a10c10b9707 - 総パラメータ数32,763,876,352
- 層数64
- クエリヘッド40
- 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
- 18.49 GiB (19,851,334,912 bytes)
- Raw KV cache
- 2.00 GiB (2,147,483,648 bytes)
- Engine extras / workspace
- 0.13 GiB–1.01 GiB
- Total estimated demand
- 20.61 GiB–21.50 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 | 65,527,752,704 (61.03 GiB / 65.53 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (mradermacher) gguf-q4_k_m | OpenMath-Nemotron-32B.Q4_K_M.gguf | 19,851,334,912 (18.49 GiB / 19.85 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (mradermacher) gguf-q5_k_m | OpenMath-Nemotron-32B.Q5_K_M.gguf | 23,262,156,032 (21.66 GiB / 23.26 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (mradermacher) gguf-q6_k | OpenMath-Nemotron-32B.Q6_K.gguf | 26,886,153,472 (25.04 GiB / 26.89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | OpenMath-Nemotron-32B.Q8_0.gguf | 34,820,883,712 (32.43 GiB / 34.82 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 16,381,938,176 (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 | 62.15 GiB–64.04 GiB | 63.65 GiB–65.59 GiB | 69.65 GiB–71.77 GiB |
| GGUF Q4_K_M (mradermacher) | 19.11 GiB–19.87 GiB | 20.61 GiB–21.50 GiB | 26.61 GiB–27.92 GiB |
| GGUF Q5_K_M (mradermacher) | 22.29 GiB–23.11 GiB | 23.79 GiB–24.74 GiB | 29.79 GiB–31.16 GiB |
| GGUF Q6_K (mradermacher) | 25.66 GiB–26.55 GiB | 27.16 GiB–28.18 GiB | 33.16 GiB–34.60 GiB |
| GGUF Q8_0 (mradermacher) | 33.05 GiB–34.09 GiB | 34.55 GiB–35.72 GiB | 40.55 GiB–42.14 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。 | 15.88 GiB–20.81 GiB | 17.38 GiB–22.69 GiB | 23.38 GiB–30.07 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（40）ではなく KV heads（8）を使います。
- 8,192 tokens, 1 sequence, FP16: 2,147,483,648 bytes (2.00 GiB)
- 32,768 tokens: 8,589,934,592 bytes (8.00 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: OpenMath-Nemotron-32B.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。