Qwen2.5-Coder-14B-Instruct 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 (Qwen)：8,192 トークンで約 10.00 GiB–10.64 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Qwen
- Hugging Face
Qwen/Qwen2.5-Coder-14B-Instruct - Revision
aedcc2d42b622764e023cf882b6652e646b95671 - 総パラメータ数14,770,033,664
- 層数48
- 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
- 8.37 GiB (8,988,110,400 bytes)
- Raw KV cache
- 1.50 GiB (1,610,612,736 bytes)
- Engine extras / workspace
- 0.13 GiB–0.77 GiB
- Total estimated demand
- 10.00 GiB–10.64 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 | 29,540,067,328 (27.51 GiB / 29.54 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-14b-instruct-q4_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q4_k_m-00002-of-00002.gguf | 8,988,110,400 (8.37 GiB / 8.99 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-14b-instruct-q5_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q5_k_m-00002-of-00002.gguf | 10,508,873,280 (9.79 GiB / 10.51 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-14b-instruct-q6_k-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q6_k-00002-of-00002.gguf | 12,124,683,840 (11.29 GiB / 12.12 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-14b-instruct-q8_0-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q8_0-00002-of-00002.gguf | 15,701,597,760 (14.62 GiB / 15.70 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 7,385,016,832 (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 | 28.51 GiB–30.40 GiB | 29.64 GiB–31.56 GiB | 34.14 GiB–36.19 GiB |
| GGUF Q4_K_M (Qwen) | 8.87 GiB–9.42 GiB | 10.00 GiB–10.64 GiB | 14.50 GiB–15.46 GiB |
| GGUF Q5_K_M (Qwen) | 10.29 GiB–10.87 GiB | 11.41 GiB–12.09 GiB | 15.91 GiB–16.90 GiB |
| GGUF Q6_K (Qwen) | 11.79 GiB–12.40 GiB | 12.92 GiB–13.62 GiB | 17.42 GiB–18.44 GiB |
| GGUF Q8_0 (Qwen) | 15.12 GiB–15.80 GiB | 16.25 GiB–17.02 GiB | 20.75 GiB–21.84 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。 | 7.38 GiB–9.87 GiB | 8.50 GiB–11.28 GiB | 13.00 GiB–16.82 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: 1,610,612,736 bytes (1.5000 GiB)
- 32,768 tokens: 6,442,450,944 bytes (6.00 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 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: qwen2.5-coder-14b-instruct-q4_k_m-00001-of-00002.gguf, qwen2.5-coder-14b-instruct-q4_k_m-00002-of-00002.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。