granite-3.3-8b-instruct: requisitos de VRAM e memória
Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (IBM): 5,98 GiB–6,53 GiB em 8.192 tokens, 1 sequência, KV FP16, llama.cpp.
Este resultado é uma estimativa, não um rastreio medido.Não verificadoPesos com arquivo
Publicador e procedência
- FornecedorIBM
- Hugging Face
ibm-granite/granite-3.3-8b-instruct - Revision
51dd4bc2ade4059a6bd87649d68aa11e4fb2529b - Parâmetros totais8.170.864.640
- Camadas40
- Heads de consulta32
- Heads KV8 (gqa)
- Dimensão do head128
- Contexto documentado131.072
- Completudecomplete · full
Camadas de memória desta estimativa
Bytes do arquivo, KV bruto, extras do engine e demanda total ficam separados. Isto não é um rastreio de execução.
- Weight artifact
- 4,60 GiB (4.942.873.344 bytes)
- Raw KV cache
- 1,25 GiB (1.342.177.280 bytes)
- Engine extras / workspace
- 0,13 GiB–0,68 GiB
- Total estimated demand
- 5,98 GiB–6,53 GiB
Arquivos contados
| Quantização | Arquivos contados | Bytes | Motor de execução | Evidência |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 16.341.729.280 (15,22 GiB / 16,34 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (IBM) gguf-q4_k_m | granite-3.3-8b-instruct-Q4_K_M.gguf | 4.942.873.344 (4,60 GiB / 4,94 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (IBM) gguf-q5_k_m | granite-3.3-8b-instruct-Q5_K_M.gguf | 5.797.462.784 (5,40 GiB / 5,80 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (IBM) gguf-q6_k | granite-3.3-8b-instruct-Q6_K.gguf | 6.705.464.064 (6,24 GiB / 6,71 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (IBM) gguf-q8_0 | granite-3.3-8b-instruct-Q8_0.gguf | 8.684.264.992 (8,09 GiB / 8,68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Nenhum arquivo publicado | 4.085.432.320 (Linhas teóricas não são artefactos descarregáveis.) | — | theoretical |
Memória por quantização e contexto
Sequências concorrentes = 1. O KV padrão é FP16. O intervalo inclui extras de runtime documentados para o engine indicado. Os números usam o mesmo núcleo da calculadora interativa.
| Quantização | 2.048 tokens | 8.192 tokens | 32.768 tokens |
|---|---|---|---|
| BF16 safetensors | 16,16 GiB–18,04 GiB | 17,09 GiB–19,01 GiB | 20,84 GiB–22,87 GiB |
| GGUF Q4_K_M (IBM) | 5,04 GiB–5,51 GiB | 5,98 GiB–6,53 GiB | 9,73 GiB–10,55 GiB |
| GGUF Q5_K_M (IBM) | 5,84 GiB–6,33 GiB | 6,77 GiB–7,34 GiB | 10,52 GiB–11,36 GiB |
| GGUF Q6_K (IBM) | 6,68 GiB–7,19 GiB | 7,62 GiB–8,21 GiB | 11,37 GiB–12,22 GiB |
| GGUF Q8_0 (IBM) | 8,53 GiB–9,07 GiB | 9,46 GiB–10,09 GiB | 13,21 GiB–14,10 GiB |
| INT4 theoretical Linhas teóricas não são artefactos descarregáveis. | 4,24 GiB–5,84 GiB | 5,18 GiB–7,01 GiB | 8,93 GiB–11,63 GiB |
Cache KV (dados brutos)
O KV bruto de GQA/MHA é 2 × camadas × kvHeads × headDim × tokens × sequências × bytes por elemento. Esta página usa KV heads (8), não query heads (32).
- 8,192 tokens, 1 sequence, FP16: 1.342.177.280 bytes (1,2500 GiB)
- 32,768 tokens: 5.368.709.120 bytes (5,00 GiB)
Páginas relacionadas
Fontes
- granite-3.3-8b-instruct model card
- config.json — revision 51dd4bc2ade4059a6bd87649d68aa11e4fb2529b
- safetensors index — metadata.total_size=16341729280
- Artifact repo ibm-granite/granite-3.3-8b-instruct-GGUF
Premissas que afetam o resultado
- O contexto pedido cabe na janela nativa de 131072 tokens.
- A estimativa residente usa o total de parâmetros, inclusive especialistas MoE inativos.
- Os bytes dos pesos vêm só dos arquivos escolhidos, não de todas as quantizações do repositório.
- O tamanho do download não é o pico de GPU. Layout em execução e KV vêm a mais.
- Arquivos contados: granite-3.3-8b-instruct-Q4_K_M.gguf.
- O contexto é o número de tokens em cache por sequência (entrada mais geração reservada).
- Sequências simultâneas compartilham uma cópia do modelo; os pesos não multiplicam pela quantidade de sequências.
- O tipo da KV é independente da quantização dos pesos, a menos que você mude.
Calculadora
A carregar o snapshot do catálogo…
Pesquise ou escolha um modelo do catálogo para ver a VRAM necessária e rodar um LLM local.
Pesquise ou escolha um modelo do catálogo para ver a VRAM necessária e rodar um LLM local.