Dá para rodar Qwen2.5-32B-Instruct em DGX Spark?
Sim, com folga Qwen2.5-32B-Instruct com BF16 precisa de 63,65 GiB–65,59 GiB com contexto de 8.192 tokens. A DGX Spark (GB10) tem cerca de 112 GiB utilizáveis.
17 arquivos, 65,5 GB no total.
São estimativas a partir da config do modelo e do tamanho dos arquivos, não medições. Como calculamos
Quanta folga sobra
- Cabe mesmo com a janela completa do modelo, de 32.768 tokens.
Outros arquivos nesta GPU
| Quantização | Tamanho do arquivo | Engine | Total | Ajuste |
|---|---|---|---|---|
| BF16 safetensors Configuração atual | 65,5 GB | vllm | 63,7 GiB–65,6 GiB | Roda com folga |
| GGUF Q8_0 (Qwen) | 34,8 GB | llama.cpp | 34,6 GiB–35,7 GiB | Roda com folga |
| GGUF Q6_K (Qwen) | 26,9 GB | llama.cpp | 27,2 GiB–28,2 GiB | Roda com folga |
| GGUF Q5_K_M (Qwen) | 23,3 GB | llama.cpp | 23,8 GiB–24,7 GiB | Roda com folga |
| GGUF Q4_K_M | 19,9 GB | llama.cpp | 20,6 GiB–21,5 GiB | Roda com folga |
Mesmo contexto (8.192 tokens), um chat por vez, cada arquivo com sua engine habitual.
Configuração usada
- ModeloQwen2.5-32B-Instruct
- HardwareNVIDIA DGX Spark (GB10, 128 GB unified)
- QuantizaçãoBF16 safetensors
- Tamanho de contexto (tokens em cache)8.192
- Motor de execução
vllm - Sequências simultâneas1
- Tipo do cache KVfp16
Identificadores técnicos e dados de compartilhamento
- Modelo
qwen2.5-32b-instruct - Hardware
nvidia-dgx-spark-128gb-unified - Quantização
bf16 - Código para compartilhar esta configuração
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4yLjUtMzJiLWluc3RydWN0IiwiaGFyZHdhcmVJZCI6Im52aWRpYS1kZ3gtc3BhcmstMTI4Z2ItdW5pZmllZCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImJmMTYiLCJjb250ZXh0VG9rZW5zIjo4MTkyLCJjb25jdXJyZW50U2VxdWVuY2VzIjoxLCJlbmdpbmUiOiJ2bGxtIiwia3ZUeXBlIjoiZnAxNiJ9fQ
Como este número é calculado
Total = arquivo de pesos + cache KV + buffers de execução. A faixa vai do overhead baixo ao alto da engine mostrada.
- Pesos (arquivo)
- 61,03 GiB (65.527.752.704 bytes)
- Cache KV
- 2,00 GiB (2.147.483.648 bytes)
- Buffers de execução
- 0,63 GiB–2,56 GiB
- Total
- 63,65 GiB–65,59 GiB
- Memória utilizável
- 112,00 GiB
- Reserva de sistema / tela
- 16,00 GiB
- Sobra
- 46,41 GiB–48,35 GiB
estimativa alta 65,59 GiB com 112,00 GiB disponíveis
A memória unificada é um único bloco compartilhado. A RAM do sistema não se soma a ela, e várias máquinas não formam um único bloco.
- O contexto pedido cabe na janela nativa de 32768 tokens.
- Os pesos carregados são estimados com o total de parâmetros, incluindo especialistas MoE inativos.
- Só contam os arquivos de pesos escolhidos, não todas as quantizações do repositório.
- O tamanho do download não é o pico de memória da GPU. Layout em execução, alinhamento do alocador e cache KV vêm por cima.
- Os bytes de pesos vêm de 17 shards safetensors publicados, somando 65527752704 bytes.
- O tamanho de contexto é o número de tokens em cache por sequência (entrada mais a saída reservada).
- Sequências simultâneas compartilham uma cópia do modelo; os pesos não multiplicam pela quantidade de sequências.
- A precisão do cache KV não depende da quantização dos pesos, a não ser que você mude.
Páginas relacionadas
Fontes
- Qwen2.5-32B-Instruct model card
- config.json — revision 5ede1c97bbab6ce5cda5812749b4c0bdf79b18dd
- safetensors index — metadata.total_size=65527752704
- Artifact repo Qwen/Qwen2.5-32B-Instruct-GGUF
- NVIDIA DGX Spark product page — 128 GB de memória unificada, compartilhada entre CPU e GPU; não é VRAM dedicada. A reserva padrão cobre o sistema e outros processos. Vários Sparks não juntam a memória num bloco só.
- NVIDIA DGX Spark hardware docs — 128 GB LPDDR5x unified memory on the GB10 Superchip.
Calculadora
Esta página de combo mantém o modelo e o dispositivo da rota. Personalize na calculadora principal; o link de compartilhamento guarda essa identidade.
A carregar o snapshot do catálogo…
Escolha um modelo para ver quanta memória ele precisa.