Qwen3-VL-30B-A3B-Instruct Q4_K_M: VRAM necessária 18,93 GiB

VRAM necessária 18,93 GiB. Qwen3-VL-30B-A3B-Instruct Q4_K_M em 8.192 tokens é uma estimativa de 18,16 GiB–18,93 GiB para rodar um LLM local. Repositório Qwen/Qwen3-VL-30B-A3B-Instruct. Arquivo de 18.556.687.168 bytes. Sem GPU, isto é demanda, não se cabe.

Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Qwen): 18,16 GiB–18,93 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

Este MoE tem 31.070.754.032 parâmetros totais e 3.000.000.000 ativos. O compute ativo não é a residência dos pesos. A estimativa residente usa o total de parâmetros, inclusive especialistas MoE inativos.

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
17,28 GiB (18.556.687.168 bytes)
Raw KV cache
0,75 GiB (805.306.368 bytes)
Engine extras / workspace
0,13 GiB–0,90 GiB
Total estimated demand
18,16 GiB–18,93 GiB

Arquivos contados

QuantizaçãoArquivos contadosBytesMotor de execuçãoEvidência
BF16 safetensors
bf16
13 shards safetensors
Total de bytes selecionados: 62.141.508.064 (57,87 GiB / 62,14 GB)
Primeiro shard: model-00001-of-00013.safetensors
Último shard: model-00013-of-00013.safetensors
Ver todos os 13 arquivos de shard
  • model-00001-of-00013.safetensors
  • model-00002-of-00013.safetensors
  • model-00003-of-00013.safetensors
  • model-00004-of-00013.safetensors
  • model-00005-of-00013.safetensors
  • model-00006-of-00013.safetensors
  • model-00007-of-00013.safetensors
  • model-00008-of-00013.safetensors
  • model-00009-of-00013.safetensors
  • model-00010-of-00013.safetensors
  • model-00011-of-00013.safetensors
  • model-00012-of-00013.safetensors
  • model-00013-of-00013.safetensors
62.141.508.064 (57,87 GiB / 62,14 GB)vllm, sglang, unspecifiedfile-metadata
GGUF Q4_K_M (Qwen)
gguf-q4_k_m
Qwen3VL-30B-A3B-Instruct-Q4_K_M.gguf18.556.687.168 (17,28 GiB / 18,56 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q8_0 (Qwen)
gguf-q8_0
Qwen3VL-30B-A3B-Instruct-Q8_0.gguf32.483.932.992 (30,25 GiB / 32,48 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q5_K_M (Unsloth)
gguf-q5_k_m
Qwen3-VL-30B-A3B-Instruct-Q5_K_M.gguf21.725.583.072 (20,23 GiB / 21,73 GB)llama.cpp, ollama, unspecifiedfile-metadata
GGUF Q6_K (Unsloth)
gguf-q6_k
Qwen3-VL-30B-A3B-Instruct-Q6_K.gguf25.092.533.984 (23,37 GiB / 25,09 GB)llama.cpp, ollama, unspecifiedfile-metadata
INT4 theoreticalNenhum arquivo publicado15.535.377.016 (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 safetensors58,69 GiB–60,57 GiB59,25 GiB–61,15 GiB61,50 GiB–63,46 GiB
GGUF Q4_K_M (Qwen)17,59 GiB–18,32 GiB18,16 GiB–18,93 GiB20,41 GiB–21,34 GiB
GGUF Q8_0 (Qwen)30,57 GiB–31,55 GiB31,13 GiB–32,16 GiB33,38 GiB–34,57 GiB
GGUF Q5_K_M (Unsloth)20,55 GiB–21,33 GiB21,11 GiB–21,94 GiB23,36 GiB–24,35 GiB
GGUF Q6_K (Unsloth)23,68 GiB–24,53 GiB24,24 GiB–25,14 GiB26,49 GiB–27,55 GiB
INT4 theoretical
Linhas teóricas não são artefactos descarregáveis.
14,78 GiB–19,43 GiB15,34 GiB–20,13 GiB17,59 GiB–22,90 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 (4), não query heads (32).

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.