OpenMath-Nemotron-14B: requisitos de VRAM e memória

Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (mradermacher): 10,00 GiB–10,64 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

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
8,37 GiB (8.988.109.312 bytes)
Raw KV cache
1,50 GiB (1.610.612.736 bytes)
Engine extras / workspace
0,13 GiB–0,77 GiB
Total estimated demand
10,00 GiB–10,64 GiB

Arquivos contados

QuantizaçãoArquivos contadosBytesMotor de execuçãoEvidência
BF16 safetensors
bf16
model-00001-of-00003.safetensors, model-00002-of-00003.safetensors, model-00003-of-00003.safetensors29.540.067.328 (27,51 GiB / 29,54 GB)vllm, sglang, unspecifiedfile-metadata
GGUF Q4_K_M (mradermacher)
gguf-q4_k_m
OpenMath-Nemotron-14B.Q4_K_M.gguf8.988.109.312 (8,37 GiB / 8,99 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q5_K_M (mradermacher)
gguf-q5_k_m
OpenMath-Nemotron-14B.Q5_K_M.gguf10.508.872.192 (9,79 GiB / 10,51 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q6_K (mradermacher)
gguf-q6_k
OpenMath-Nemotron-14B.Q6_K.gguf12.124.682.752 (11,29 GiB / 12,12 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q8_0 (mradermacher)
gguf-q8_0
OpenMath-Nemotron-14B.Q8_0.gguf15.701.596.672 (14,62 GiB / 15,70 GB)llama.cpp, ollama, unspecifiedfile-metadata
INT4 theoreticalNenhum arquivo publicado7.385.016.832 (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.

Quantização2.048 tokens8.192 tokens32.768 tokens
BF16 safetensors28,51 GiB–30,40 GiB29,64 GiB–31,56 GiB34,14 GiB–36,19 GiB
GGUF Q4_K_M (mradermacher)8,87 GiB–9,42 GiB10,00 GiB–10,64 GiB14,50 GiB–15,46 GiB
GGUF Q5_K_M (mradermacher)10,29 GiB–10,87 GiB11,41 GiB–12,09 GiB15,91 GiB–16,90 GiB
GGUF Q6_K (mradermacher)11,79 GiB–12,40 GiB12,92 GiB–13,62 GiB17,42 GiB–18,44 GiB
GGUF Q8_0 (mradermacher)15,12 GiB–15,80 GiB16,25 GiB–17,02 GiB20,75 GiB–21,84 GiB
INT4 theoretical
Linhas teóricas não são artefactos descarregáveis.
7,38 GiB–9,87 GiB8,50 GiB–11,28 GiB13,00 GiB–16,82 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 (40).

Abrir a calculadora com este modelo

Páginas relacionadas

Fontes

Premissas que afetam o resultado

Calculadora

A carregar o snapshot do catálogo…

Escolha primeiro um modelo e depois confira o equipamento.

Quantização

Tipo de dispositivo

Carga

O comprimento de contexto afeta principalmente a memória do KV cache.

Configurações avançadas
Runtime

Engine e tipo de cache KV desta estimativa.

Carga

Cenário de overhead e o espaço de prefill.

Topologia

Como o modelo é dividido entre dispositivos. A memória não é somada.

O número de réplicas é avançado. A quantidade são nós ou GPUs, não réplicas.

Orçamento

Reserva do sistema e margem de segurança. Um número vazio mantém o valor anterior.

GiB (2^30 bytes)

%

Modelo personalizado

Importe uma config ou digite a arquitetura. Nada é varrido até você importar.

O arquivo é lido só no navegador e não é enviado.

Só huggingface.co, só config.json, sem token. Repositório privado é recusado.

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.