Qwen2.5-Coder-3B-Instruct: requisitos de VRAM e memória
Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Qwen): 2,37 GiB–2,80 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
- FornecedorQwen
- Hugging Face
Qwen/Qwen2.5-Coder-3B-Instruct - Revision
488639f1ff808d1d3d0ba301aef8c11461451ec5 - Parâmetros totais3.085.938.688
- Camadas36
- Heads de consulta16
- Heads KV2 (gqa)
- Dimensão do head128
- Contexto documentado32.768
- 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
- 1,96 GiB (2.104.932.800 bytes)
- Raw KV cache
- 0,28 GiB (301.989.888 bytes)
- Engine extras / workspace
- 0,13 GiB–0,56 GiB
- Total estimated demand
- 2,37 GiB–2,80 GiB
Arquivos contados
| Quantização | Arquivos contados | Bytes | Motor de execução | Evidência |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 6.171.877.376 (5,75 GiB / 6,17 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-3b-instruct-q4_k_m.gguf | 2.104.932.800 (1,96 GiB / 2,10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-3b-instruct-q5_k_m.gguf | 2.438.740.416 (2,27 GiB / 2,44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-3b-instruct-q6_k.gguf | 2.793.411.008 (2,60 GiB / 2,79 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-3b-instruct-q8_0.gguf | 3.616.088.512 (3,37 GiB / 3,62 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Nenhum arquivo publicado | 1.542.969.344 (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 | 6,44 GiB–8,32 GiB | 6,65 GiB–8,54 GiB | 7,50 GiB–9,41 GiB |
| GGUF Q4_K_M (Qwen) | 2,16 GiB–2,57 GiB | 2,37 GiB–2,80 GiB | 3,21 GiB–3,70 GiB |
| GGUF Q5_K_M (Qwen) | 2,47 GiB–2,89 GiB | 2,68 GiB–3,12 GiB | 3,52 GiB–4,02 GiB |
| GGUF Q6_K (Qwen) | 2,80 GiB–3,23 GiB | 3,01 GiB–3,45 GiB | 3,85 GiB–4,36 GiB |
| GGUF Q8_0 (Qwen) | 3,56 GiB–4,01 GiB | 3,77 GiB–4,24 GiB | 4,62 GiB–5,14 GiB |
| INT4 theoretical Linhas teóricas não são artefactos descarregáveis. | 1,63 GiB–2,51 GiB | 1,84 GiB–2,77 GiB | 2,69 GiB–3,81 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 (2), não query heads (16).
- 8,192 tokens, 1 sequence, FP16: 301.989.888 bytes (0,2813 GiB)
- 32,768 tokens: 1.207.959.552 bytes (1,1250 GiB)
Páginas relacionadas
Fontes
- Qwen2.5-Coder-3B-Instruct model card
- config.json — revision 488639f1ff808d1d3d0ba301aef8c11461451ec5
- safetensors index — metadata.total_size=6171877376
- Artifact repo Qwen/Qwen2.5-Coder-3B-Instruct-GGUF
Premissas que afetam o resultado
- O contexto pedido cabe na janela nativa de 32768 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: qwen2.5-coder-3b-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.