Qwen3-8B-Base: requisitos de VRAM e memória
Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (mradermacher): 5,93 GiB–6,48 GiB em 8.192 tokens, 1 sequência, KV FP16, llama.cpp.
Este resultado é uma estimativa, não um rastreio medido.Não verificadoPesos com arquivo
Roda em
Publicador e procedência
- FornecedorQwen
- Hugging Face
Qwen/Qwen3-8B-Base - Revision
49e3418fbbbca6ecbdf9608b4d22e5a407081db4 - Parâmetros totais8.190.735.360
- Camadas36
- Heads de consulta32
- Heads KV8 (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
- 4,68 GiB (5.027.783.936 bytes)
- Raw KV cache
- 1,13 GiB (1.207.959.552 bytes)
- Engine extras / workspace
- 0,13 GiB–0,67 GiB
- Total estimated demand
- 5,93 GiB–6,48 GiB
Arquivos contados
| Quantização | Arquivos contados | Bytes | Motor de execução | Evidência |
|---|---|---|---|---|
| BF16 safetensors bf16 | 16.383.567.872 (15,26 GiB / 16,38 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (mradermacher) gguf-q4_k_m | Qwen3-8B-Base.Q4_K_M.gguf | 5.027.783.936 (4,68 GiB / 5,03 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (mradermacher) gguf-q5_k_m | Qwen3-8B-Base.Q5_K_M.gguf | 5.851.112.704 (5,45 GiB / 5,85 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (mradermacher) gguf-q6_k | Qwen3-8B-Base.Q6_K.gguf | 6.725.899.520 (6,26 GiB / 6,73 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | Qwen3-8B-Base.Q8_0.gguf | 8.709.518.592 (8,11 GiB / 8,71 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Nenhum arquivo publicado | 4.095.367.680 (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 | 16,16 GiB–18,05 GiB | 17,01 GiB–18,92 GiB | 20,38 GiB–22,39 GiB |
| GGUF Q4_K_M (mradermacher) | 5,09 GiB–5,56 GiB | 5,93 GiB–6,48 GiB | 9,31 GiB–10,09 GiB |
| GGUF Q5_K_M (mradermacher) | 5,86 GiB–6,35 GiB | 6,70 GiB–7,26 GiB | 10,07 GiB–10,87 GiB |
| GGUF Q6_K (mradermacher) | 6,67 GiB–7,18 GiB | 7,51 GiB–8,09 GiB | 10,89 GiB–11,70 GiB |
| GGUF Q8_0 (mradermacher) | 8,52 GiB–9,06 GiB | 9,36 GiB–9,98 GiB | 12,74 GiB–13,59 GiB |
| INT4 theoretical Linhas teóricas não são artefactos descarregáveis. | 4,22 GiB–5,82 GiB | 5,06 GiB–6,87 GiB | 8,44 GiB–11,02 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 (32).
- 8,192 tokens, 1 sequence, FP16: 1.207.959.552 bytes (1,1250 GiB)
- 32,768 tokens: 4.831.838.208 bytes (4,5000 GiB)
Páginas relacionadas
Fontes
- Qwen3-8B-Base model card
- config.json — revision 49e3418fbbbca6ecbdf9608b4d22e5a407081db4
- safetensors index — metadata.total_size=16383567872
- Artifact repo mradermacher/Qwen3-8B-Base-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: Qwen3-8B-Base.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.