Qwen2.5-Coder-7B 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 4.92 GiB–5.42 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-7B - Revision
0396a76181e127dfc13e5c5ec48a8cee09938b02 - 総パラメータ数7,615,616,512
- 層数28
- クエリヘッド28
- KVヘッド4 (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
- 4.36 GiB (4,683,074,400 bytes)
- Raw KV cache
- 0.44 GiB (469,762,048 bytes)
- Engine extras / workspace
- 0.13 GiB–0.62 GiB
- Total estimated demand
- 4.92 GiB–5.42 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-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 15,231,233,024 (14.19 GiB / 15.23 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (mradermacher) gguf-q4_k_m | Qwen2.5-Coder-7B.Q4_K_M.gguf | 4,683,074,400 (4.36 GiB / 4.68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (mradermacher) gguf-q5_k_m | Qwen2.5-Coder-7B.Q5_K_M.gguf | 5,444,832,096 (5.07 GiB / 5.44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (mradermacher) gguf-q6_k | Qwen2.5-Coder-7B.Q6_K.gguf | 6,254,199,648 (5.82 GiB / 6.25 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | Qwen2.5-Coder-7B.Q8_0.gguf | 8,098,526,048 (7.54 GiB / 8.10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 3,807,808,256 (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 | 14.92 GiB–16.80 GiB | 15.25 GiB–17.14 GiB | 16.56 GiB–18.49 GiB |
| GGUF Q4_K_M (mradermacher) | 4.60 GiB–5.06 GiB | 4.92 GiB–5.42 GiB | 6.24 GiB–6.82 GiB |
| GGUF Q5_K_M (mradermacher) | 5.31 GiB–5.78 GiB | 5.63 GiB–6.14 GiB | 6.95 GiB–7.54 GiB |
| GGUF Q6_K (mradermacher) | 6.06 GiB–6.55 GiB | 6.39 GiB–6.91 GiB | 7.70 GiB–8.31 GiB |
| GGUF Q8_0 (mradermacher) | 7.78 GiB–8.30 GiB | 8.10 GiB–8.66 GiB | 9.42 GiB–10.07 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。 | 3.78 GiB–5.27 GiB | 4.11 GiB–5.68 GiB | 5.42 GiB–7.30 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（28）ではなく KV heads（4）を使います。
- 8,192 tokens, 1 sequence, FP16: 469,762,048 bytes (0.4375 GiB)
- 32,768 tokens: 1,879,048,192 bytes (1.7500 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-7B.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。