Qwen3-0.6B 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 1.37 GiB–1.81 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/Qwen3-0.6B - Revision
c1899de289a04d12100db370d81485cdf75e47ca - 総パラメータ数751,632,384
- 層数28
- クエリヘッド16
- 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40,960
- 完全性partial · 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
- 0.37 GiB (396,705,472 bytes)
- Raw KV cache
- 0.88 GiB (939,524,096 bytes)
- Engine extras / workspace
- 0.13 GiB–0.57 GiB
- Total estimated demand
- 1.37 GiB–1.81 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 |
|---|---|---|---|---|
| GGUF Q8_0 (Qwen) gguf-q8_0 | Qwen3-0.6B-Q8_0.gguf | 639,446,688 (0.60 GiB / 0.64 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen3-0.6B-Q4_K_M.gguf | 396,705,472 (0.37 GiB / 0.40 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen3-0.6B-Q5_K_M.gguf | 444,415,680 (0.41 GiB / 0.44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen3-0.6B-Q6_K.gguf | 495,107,776 (0.46 GiB / 0.50 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 375,816,192 (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 |
|---|---|---|---|
| GGUF Q8_0 (Qwen) | 0.94 GiB–1.33 GiB | 1.60 GiB–2.04 GiB | 4.22 GiB–4.85 GiB |
| GGUF Q4_K_M (Unsloth) | 0.71 GiB–1.10 GiB | 1.37 GiB–1.81 GiB | 3.99 GiB–4.62 GiB |
| GGUF Q5_K_M (Unsloth) | 0.76 GiB–1.15 GiB | 1.41 GiB–1.86 GiB | 4.04 GiB–4.67 GiB |
| GGUF Q6_K (Unsloth) | 0.80 GiB–1.19 GiB | 1.46 GiB–1.91 GiB | 4.09 GiB–4.72 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。 | 0.69 GiB–1.28 GiB | 1.35 GiB–2.10 GiB | 3.98 GiB–5.33 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（8）を使います。
- 8,192 tokens, 1 sequence, FP16: 939,524,096 bytes (0.8750 GiB)
- 32,768 tokens: 3,758,096,384 bytes (3.5000 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 40960 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: Qwen3-0.6B-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。