Phi-4-reasoning 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 10.12 GiB–10.77 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Microsoft
- Hugging Face
microsoft/Phi-4-reasoning - Revision
1de18ec97600877ce63dbf60c73b998da99f0195 - 総パラメータ数14,659,507,200
- 層数40
- クエリヘッド40
- KVヘッド10 (gqa)
- ヘッド次元128
- 記録されているコンテキスト上限32,768
- 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
- 8.43 GiB (9,053,117,728 bytes)
- Raw KV cache
- 1.56 GiB (1,677,721,600 bytes)
- Engine extras / workspace
- 0.13 GiB–0.78 GiB
- Total estimated demand
- 10.12 GiB–10.77 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 | 29,319,014,400 (27.31 GiB / 29.32 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | phi-4-reasoning-Q4_K_M.gguf | 9,053,117,728 (8.43 GiB / 9.05 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | phi-4-reasoning-Q5_K_M.gguf | 10,604,191,008 (9.88 GiB / 10.60 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | phi-4-reasoning-Q6_K.gguf | 12,030,254,368 (11.20 GiB / 12.03 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | phi-4-reasoning-Q8_0.gguf | 15,580,503,328 (14.51 GiB / 15.58 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 7,329,753,600 (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 | 28.32 GiB–30.21 GiB | 29.49 GiB–31.41 GiB | 34.18 GiB–36.24 GiB |
| GGUF Q4_K_M (Unsloth) | 8.95 GiB–9.50 GiB | 10.12 GiB–10.77 GiB | 14.81 GiB–15.79 GiB |
| GGUF Q5_K_M (Unsloth) | 10.39 GiB–10.97 GiB | 11.56 GiB–12.25 GiB | 16.25 GiB–17.26 GiB |
| GGUF Q6_K (Unsloth) | 11.72 GiB–12.33 GiB | 12.89 GiB–13.60 GiB | 17.58 GiB–18.62 GiB |
| GGUF Q8_0 (Unsloth) | 15.03 GiB–15.70 GiB | 16.20 GiB–16.97 GiB | 20.89 GiB–21.99 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。 | 7.34 GiB–9.83 GiB | 8.51 GiB–11.29 GiB | 13.20 GiB–17.06 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（10）を使います。
- 8,192 tokens, 1 sequence, FP16: 1,677,721,600 bytes (1.5625 GiB)
- 32,768 tokens: 6,710,886,400 bytes (6.2500 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 32768 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: phi-4-reasoning-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。