Qwen2.5-VL-32B-Instruct: requisitos de VRAM e memória
Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Unsloth): 20,61 GiB–21,50 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-VL-32B-Instruct - Revision
7cfb30d71a1f4f49a57592323337a4a4727301da - Parâmetros totais33.452.718.336
- Camadas64
- Heads de consulta40
- Heads KV8 (gqa)
- Dimensão do head128
- Contexto documentado128.000
- 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
- 18,49 GiB (19.851.335.200 bytes)
- Raw KV cache
- 2,00 GiB (2.147.483.648 bytes)
- Engine extras / workspace
- 0,13 GiB–1,01 GiB
- Total estimated demand
- 20,61 GiB–21,50 GiB
Arquivos contados
| Quantização | Arquivos contados | Bytes | Motor de execução | Evidência |
|---|---|---|---|---|
| BF16 safetensors bf16 | 68.283.120.640 (63,59 GiB / 68,28 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen2.5-VL-32B-Instruct-Q4_K_M.gguf | 19.851.335.200 (18,49 GiB / 19,85 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen2.5-VL-32B-Instruct-Q5_K_M.gguf | 23.262.156.320 (21,66 GiB / 23,26 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen2.5-VL-32B-Instruct-Q6_K.gguf | 26.886.153.760 (25,04 GiB / 26,89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | Qwen2.5-VL-32B-Instruct.Q8_0.gguf | 34.820.885.184 (32,43 GiB / 34,82 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Nenhum arquivo publicado | 16.726.359.168 (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 | 64,72 GiB–66,61 GiB | 66,22 GiB–68,15 GiB | 72,22 GiB–74,33 GiB |
| GGUF Q4_K_M (Unsloth) | 19,11 GiB–19,87 GiB | 20,61 GiB–21,50 GiB | 26,61 GiB–27,92 GiB |
| GGUF Q5_K_M (Unsloth) | 22,29 GiB–23,11 GiB | 23,79 GiB–24,74 GiB | 29,79 GiB–31,16 GiB |
| GGUF Q6_K (Unsloth) | 25,66 GiB–26,55 GiB | 27,16 GiB–28,18 GiB | 33,16 GiB–34,60 GiB |
| GGUF Q8_0 (mradermacher) | 33,05 GiB–34,09 GiB | 34,55 GiB–35,72 GiB | 40,55 GiB–42,14 GiB |
| INT4 theoretical Linhas teóricas não são artefactos descarregáveis. | 16,20 GiB–21,23 GiB | 17,70 GiB–23,10 GiB | 23,70 GiB–30,48 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).
- 8,192 tokens, 1 sequence, FP16: 2.147.483.648 bytes (2,00 GiB)
- 32,768 tokens: 8.589.934.592 bytes (8,00 GiB)
Páginas relacionadas
Fontes
- Qwen2.5-VL-32B-Instruct model card
- config.json — revision 7cfb30d71a1f4f49a57592323337a4a4727301da
- safetensors index — metadata.total_size=68283120640
- Artifact repo unsloth/Qwen2.5-VL-32B-Instruct-GGUF
- Artifact repo mradermacher/Qwen2.5-VL-32B-Instruct-GGUF
Premissas que afetam o resultado
- O contexto pedido cabe na janela nativa de 128000 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-VL-32B-Instruct-Q4_K_M.gguf.
- Há componente de visão. Inferência só de texto não inclui encoder/projector.
- 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.
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.