Qwen2.5-14B-Instruct

Qwen · Qwen/Qwen2.5-14B-Instruct · gqa · full

量子化	2,048	8,192	32,768
BF16 safetensors	27.95 GiB–28.51 GiB	29.07 GiB–29.64 GiB	33.57 GiB–34.14 GiB
GGUF Q8_0	15.06 GiB–15.62 GiB	16.19 GiB–16.75 GiB	20.69 GiB–21.25 GiB
GGUF Q4_K_M	8.81 GiB–9.37 GiB	9.93 GiB–10.50 GiB	14.43 GiB–15.00 GiB
INT4 theoretical	7.28 GiB–8.53 GiB	8.41 GiB–9.65 GiB	12.91 GiB–14.15 GiB

モデルと設定を選んで、必要なメモリを確認します。

モデルハードウェア量子化コンテキスト長（キャッシュするトークン数）同時シーケンス数

詳細設定

KV Cache の精度実行エンジン配置方法デバイス数実行時オーバーヘッドの想定OS / 画面用の予約

GiB（2^30 バイト）

予算はすでにシステム分を除いている追加の安全マージンパラメータあたりの実効ビット数（手動）プリフィル寄りの作業領域を多めに見る表示単位

ローカルの config.json を読み込む

ブラウザ内だけで解析します。ファイルは送信しません。

公開 Hugging Face リポジトリリビジョン

huggingface.co の config.json のみ。トークンなし。非公開リポジトリは拒否します。

総パラメータ数アクティブパラメータ数層数Query headsKV headsHead dimension

見積もり

判断できない

予算や必須データが足りないか、この版では扱えない配置です。

推定メモリ範囲: 10.00 GiB – 10.64 GiB

重みは選択したファイルのメタデータを使います。実行時の追加分は見積もりです。

重み8.37 GiB

KV Cache（生データ）1.50 GiB

KV の追加分（量子化メタデータなど）0.00 GiB

アクティベーション / 作業領域0.06 GiB

エンジン予約0.06 GiB

安全マージン0.00 GiB

文書で対応が確認できる. 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。

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: qwen2.5-14b-instruct-q4_k_m-00001-of-00003.gguf, qwen2.5-14b-instruct-q4_k_m-00002-of-00003.gguf, qwen2.5-14b-instruct-q4_k_m-00003-of-00003.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。
40 個の query heads ではなく 8 個の KV heads を使います。
プリフィルのピークと定常デコードは同じではありません。高シナリオはプリフィル寄りです。
エンジン予約はウェイトと KV の実使用量ではありません。
llama.cpp の計算バッファはコンテキストとバッチで増えます。ここは調整可能なシナリオで、一致する校正がある場合だけ実測として示します。