Phi-4-reasoning: requisitos de VRAM e memória

Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Unsloth): 10,12 GiB–10,77 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
8,43 GiB (9.053.117.728 bytes)
Raw KV cache
1,56 GiB (1.677.721.600 bytes)
Engine extras / workspace
0,13 GiB–0,78 GiB
Total estimated demand
10,12 GiB–10,77 GiB

Arquivos contados

QuantizaçãoArquivos contadosBytesMotor de execuçãoEvidência
BF16 safetensors
bf16
6 shards safetensors
Total de bytes selecionados: 29.319.014.400 (27,31 GiB / 29,32 GB)
Primeiro shard: model-00001-of-00006.safetensors
Último shard: model-00006-of-00006.safetensors
Ver todos os 6 arquivos de shard
  • model-00001-of-00006.safetensors
  • model-00002-of-00006.safetensors
  • model-00003-of-00006.safetensors
  • model-00004-of-00006.safetensors
  • model-00005-of-00006.safetensors
  • model-00006-of-00006.safetensors
29.319.014.400 (27,31 GiB / 29,32 GB)vllm, sglang, unspecifiedfile-metadata
GGUF Q4_K_M (Unsloth)
gguf-q4_k_m
phi-4-reasoning-Q4_K_M.gguf9.053.117.728 (8,43 GiB / 9,05 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q5_K_M (Unsloth)
gguf-q5_k_m
phi-4-reasoning-Q5_K_M.gguf10.604.191.008 (9,88 GiB / 10,60 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q6_K (Unsloth)
gguf-q6_k
phi-4-reasoning-Q6_K.gguf12.030.254.368 (11,20 GiB / 12,03 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q8_0 (Unsloth)
gguf-q8_0
phi-4-reasoning-Q8_0.gguf15.580.503.328 (14,51 GiB / 15,58 GB)llama.cpp, ollama, unspecifiedfile-metadata
INT4 theoreticalNenhum arquivo publicado7.329.753.600 (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 safetensors28,32 GiB–30,21 GiB29,49 GiB–31,41 GiB34,18 GiB–36,24 GiB
GGUF Q4_K_M (Unsloth)8,95 GiB–9,50 GiB10,12 GiB–10,77 GiB14,81 GiB–15,79 GiB
GGUF Q5_K_M (Unsloth)10,39 GiB–10,97 GiB11,56 GiB–12,25 GiB16,25 GiB–17,26 GiB
GGUF Q6_K (Unsloth)11,72 GiB–12,33 GiB12,89 GiB–13,60 GiB17,58 GiB–18,62 GiB
GGUF Q8_0 (Unsloth)15,03 GiB–15,70 GiB16,20 GiB–16,97 GiB20,89 GiB–21,99 GiB
INT4 theoretical
Linhas teóricas não são artefactos descarregáveis.
7,34 GiB–9,83 GiB8,51 GiB–11,29 GiB13,20 GiB–17,06 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 (10), 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.