SmolLM2-1.7B-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 (Hugging Face)：8,192 トークンで約 2.61 GiB–3.11 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Hugging Face
- Hugging Face
HuggingFaceTB/SmolLM2-1.7B-Instruct - Revision
31b70e2e869a7173562077fd711b654946d38674 - 総パラメータ数1,711,376,384
- 層数24
- クエリヘッド32
- KVヘッド32 (mha)
- ヘッド次元64
- 記録されているコンテキスト上限8,192
- 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
- 0.98 GiB (1,055,609,536 bytes)
- Raw KV cache
- 1.50 GiB (1,610,612,736 bytes)
- Engine extras / workspace
- 0.13 GiB–0.62 GiB
- Total estimated demand
- 2.61 GiB–3.11 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 Q4_K_M (Hugging Face) gguf-q4_k_m | smollm2-1.7b-instruct-q4_k_m.gguf | 1,055,609,536 (0.98 GiB / 1.06 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | SmolLM2-1.7B-Instruct-Q5_K_M.gguf | 1,225,478,816 (1.14 GiB / 1.23 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | SmolLM2-1.7B-Instruct-Q6_K.gguf | 1,405,964,960 (1.31 GiB / 1.41 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | SmolLM2-1.7B-Instruct-Q8_0.gguf | 1,820,414,624 (1.70 GiB / 1.82 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 公開ファイルなし | 855,688,192 (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 Q4_K_M (Hugging Face) | 1.48 GiB–1.89 GiB | 2.61 GiB–3.11 GiB | 7.11 GiB–9.11 GiB |
| GGUF Q5_K_M (Unsloth) | 1.64 GiB–2.05 GiB | 2.77 GiB–3.27 GiB | 7.27 GiB–9.30 GiB |
| GGUF Q6_K (Unsloth) | 1.81 GiB–2.22 GiB | 2.93 GiB–3.44 GiB | 7.43 GiB–9.49 GiB |
| GGUF Q8_0 (Unsloth) | 2.20 GiB–2.61 GiB | 3.32 GiB–3.83 GiB | 7.82 GiB–9.95 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。 | 1.30 GiB–2.04 GiB | 2.42 GiB–3.45 GiB | 6.92 GiB–8.98 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（32）を使います。
- 8,192 tokens, 1 sequence, FP16: 1,610,612,736 bytes (1.5000 GiB)
- 32,768 tokens: 6,442,450,944 bytes (6.00 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 8192 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: smollm2-1.7b-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。