Qwen3-8B-Base 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 5.93 GiB–6.48 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
動く構成
公開元と出典
- 提供元Qwen
- Hugging Face
Qwen/Qwen3-8B-Base - Revision
49e3418fbbbca6ecbdf9608b4d22e5a407081db4 - 総パラメータ数8,190,735,360
- 層数36
- クエリヘッド32
- 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
- 4.68 GiB (5,027,783,936 bytes)
- Raw KV cache
- 1.13 GiB (1,207,959,552 bytes)
- Engine extras / workspace
- 0.13 GiB–0.67 GiB
- Total estimated demand
- 5.93 GiB–6.48 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 | 16,383,567,872 (15.26 GiB / 16.38 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (mradermacher) gguf-q4_k_m | Qwen3-8B-Base.Q4_K_M.gguf | 5,027,783,936 (4.68 GiB / 5.03 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (mradermacher) gguf-q5_k_m | Qwen3-8B-Base.Q5_K_M.gguf | 5,851,112,704 (5.45 GiB / 5.85 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (mradermacher) gguf-q6_k | Qwen3-8B-Base.Q6_K.gguf | 6,725,899,520 (6.26 GiB / 6.73 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | Qwen3-8B-Base.Q8_0.gguf | 8,709,518,592 (8.11 GiB / 8.71 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 4,095,367,680 (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 | 16.16 GiB–18.05 GiB | 17.01 GiB–18.92 GiB | 20.38 GiB–22.39 GiB |
| GGUF Q4_K_M (mradermacher) | 5.09 GiB–5.56 GiB | 5.93 GiB–6.48 GiB | 9.31 GiB–10.09 GiB |
| GGUF Q5_K_M (mradermacher) | 5.86 GiB–6.35 GiB | 6.70 GiB–7.26 GiB | 10.07 GiB–10.87 GiB |
| GGUF Q6_K (mradermacher) | 6.67 GiB–7.18 GiB | 7.51 GiB–8.09 GiB | 10.89 GiB–11.70 GiB |
| GGUF Q8_0 (mradermacher) | 8.52 GiB–9.06 GiB | 9.36 GiB–9.98 GiB | 12.74 GiB–13.59 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。 | 4.22 GiB–5.82 GiB | 5.06 GiB–6.87 GiB | 8.44 GiB–11.02 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（32）ではなく KV heads（8）を使います。
- 8,192 tokens, 1 sequence, FP16: 1,207,959,552 bytes (1.1250 GiB)
- 32,768 tokens: 4,831,838,208 bytes (4.5000 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 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: Qwen3-8B-Base.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。