Qwen2.5-Coder-3B-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 2.37 GiB–2.80 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-3B-Instruct - Revision
488639f1ff808d1d3d0ba301aef8c11461451ec5 - 総パラメータ数3,085,938,688
- 層数36
- クエリヘッド16
- KVヘッド2 (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
- 1.96 GiB (2,104,932,800 bytes)
- Raw KV cache
- 0.28 GiB (301,989,888 bytes)
- Engine extras / workspace
- 0.13 GiB–0.56 GiB
- Total estimated demand
- 2.37 GiB–2.80 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 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 6,171,877,376 (5.75 GiB / 6.17 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-3b-instruct-q4_k_m.gguf | 2,104,932,800 (1.96 GiB / 2.10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-3b-instruct-q5_k_m.gguf | 2,438,740,416 (2.27 GiB / 2.44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-3b-instruct-q6_k.gguf | 2,793,411,008 (2.60 GiB / 2.79 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-3b-instruct-q8_0.gguf | 3,616,088,512 (3.37 GiB / 3.62 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 1,542,969,344 (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 | 6.44 GiB–8.32 GiB | 6.65 GiB–8.54 GiB | 7.50 GiB–9.41 GiB |
| GGUF Q4_K_M (Qwen) | 2.16 GiB–2.57 GiB | 2.37 GiB–2.80 GiB | 3.21 GiB–3.70 GiB |
| GGUF Q5_K_M (Qwen) | 2.47 GiB–2.89 GiB | 2.68 GiB–3.12 GiB | 3.52 GiB–4.02 GiB |
| GGUF Q6_K (Qwen) | 2.80 GiB–3.23 GiB | 3.01 GiB–3.45 GiB | 3.85 GiB–4.36 GiB |
| GGUF Q8_0 (Qwen) | 3.56 GiB–4.01 GiB | 3.77 GiB–4.24 GiB | 4.62 GiB–5.14 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。 | 1.63 GiB–2.51 GiB | 1.84 GiB–2.77 GiB | 2.69 GiB–3.81 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（16）ではなく KV heads（2）を使います。
- 8,192 tokens, 1 sequence, FP16: 301,989,888 bytes (0.2813 GiB)
- 32,768 tokens: 1,207,959,552 bytes (1.1250 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-3b-instruct-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。