Qwen3-VL-4B-Instruct の VRAM・メモリ要件
Qwen/Qwen3-VL-4B-Instruct チェックポイントの BF16 safetensors は、このカタログで 8,875,631,616 バイト（8.27 GiB / 8.88 GB）です。ダウンロードサイズはピークVRAMではなく、下の数値は見積もりです。
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 3.58 GiB–4.08 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-VL-4B-Instruct - Revision
ebb281ec70b05090aa6165b016eac8ec08e71b17 - 総パラメータ数4,437,815,808
- 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262,144
- 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
- 2.33 GiB (2,497,281,664 bytes)
- Raw KV cache
- 1.13 GiB (1,207,959,552 bytes)
- Engine extras / workspace
- 0.13 GiB–0.63 GiB
- Total estimated demand
- 3.58 GiB–4.08 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 | 8,875,631,616 (8.27 GiB / 8.88 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | Qwen3VL-4B-Instruct-Q4_K_M.gguf | 2,497,281,664 (2.33 GiB / 2.50 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | Qwen3VL-4B-Instruct-Q8_0.gguf | 4,280,406,144 (3.99 GiB / 4.28 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen3-VL-4B-Instruct-Q5_K_M.gguf | 2,889,515,296 (2.69 GiB / 2.89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen3-VL-4B-Instruct-Q6_K.gguf | 3,306,262,816 (3.08 GiB / 3.31 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 2,218,907,904 (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 | 9.17 GiB–11.06 GiB | 10.02 GiB–11.92 GiB | 13.39 GiB–15.40 GiB |
| GGUF Q4_K_M (Qwen) | 2.73 GiB–3.16 GiB | 3.58 GiB–4.08 GiB | 6.95 GiB–7.69 GiB |
| GGUF Q8_0 (Qwen) | 4.39 GiB–4.85 GiB | 5.24 GiB–5.77 GiB | 8.61 GiB–9.38 GiB |
| GGUF Q5_K_M (Unsloth) | 3.10 GiB–3.53 GiB | 3.94 GiB–4.45 GiB | 7.32 GiB–8.06 GiB |
| GGUF Q6_K (Unsloth) | 3.49 GiB–3.93 GiB | 4.33 GiB–4.84 GiB | 7.70 GiB–8.46 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。 | 2.47 GiB–3.57 GiB | 3.32 GiB–4.62 GiB | 6.69 GiB–8.77 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 262144 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: Qwen3VL-4B-Instruct-Q4_K_M.gguf。
- 視覚コンポーネントがあります。テキスト推論ではエンコーダ/projector を含めません。
- 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。
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。