Qwen2.5-VL-3B-Instruct: requisitos de VRAM e memória
Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Unsloth): 2,20 GiB–2,63 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-3B-Instruct - Revision
66285546d2b821cf421d4f5eb2576359d3770cd3 - Parâmetros totais3.754.622.976
- Camadas36
- Heads de consulta16
- Heads KV2 (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
- 1,80 GiB (1.929.901.408 bytes)
- Raw KV cache
- 0,28 GiB (301.989.888 bytes)
- Engine extras / workspace
- 0,13 GiB–0,56 GiB
- Total estimated demand
- 2,20 GiB–2,63 GiB
Arquivos contados
| Quantização | Arquivos contados | Bytes | Motor de execução | Evidência |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 7.509.245.952 (6,99 GiB / 7,51 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen2.5-VL-3B-Instruct-Q4_K_M.gguf | 1.929.901.408 (1,80 GiB / 1,93 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen2.5-VL-3B-Instruct-Q5_K_M.gguf | 2.224.813.408 (2,07 GiB / 2,22 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen2.5-VL-3B-Instruct-Q6_K.gguf | 2.538.157.408 (2,36 GiB / 2,54 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Qwen2.5-VL-3B-Instruct-Q8_0.gguf | 3.285.474.656 (3,06 GiB / 3,29 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Nenhum arquivo publicado | 1.877.311.488 (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 | 7,69 GiB–9,57 GiB | 7,90 GiB–9,78 GiB | 8,74 GiB–10,65 GiB |
| GGUF Q4_K_M (Unsloth) | 1,99 GiB–2,41 GiB | 2,20 GiB–2,63 GiB | 3,05 GiB–3,54 GiB |
| GGUF Q5_K_M (Unsloth) | 2,27 GiB–2,69 GiB | 2,48 GiB–2,91 GiB | 3,32 GiB–3,82 GiB |
| GGUF Q6_K (Unsloth) | 2,56 GiB–2,98 GiB | 2,77 GiB–3,21 GiB | 3,61 GiB–4,11 GiB |
| GGUF Q8_0 (Unsloth) | 3,26 GiB–3,69 GiB | 3,47 GiB–3,92 GiB | 4,31 GiB–4,82 GiB |
| INT4 theoretical Linhas teóricas não são artefactos descarregáveis. | 1,94 GiB–2,91 GiB | 2,15 GiB–3,17 GiB | 3,00 GiB–4,21 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-VL-3B-Instruct model card
- config.json — revision 66285546d2b821cf421d4f5eb2576359d3770cd3
- safetensors index — metadata.total_size=7509245952
- Artifact repo unsloth/Qwen2.5-VL-3B-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-3B-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.