Qwen3-VL-4B-Instruct: requisitos de VRAM e memória

O checkpoint Qwen/Qwen3-VL-4B-Instruct traz neste catálogo BF16 safetensors de 8.875.631.616 bytes (8,27 GiB / 8,88 GB). Esse tamanho de download não é o pico de VRAM, e os números abaixo são estimativas.

Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Qwen): 3,58 GiB–4,08 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 FaceQwen/Qwen3-VL-4B-Instruct
Revisionebb281ec70b05090aa6165b016eac8ec08e71b17
Parâmetros totais4.437.815.808
Camadas36
Heads de consulta32
Heads KV8 (gqa)
Dimensão do head128
Contexto documentado262.144
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: 2,33 GiB (2.497.281.664 bytes)
Raw KV cache: 1,13 GiB (1.207.959.552 bytes)
Engine extras / workspace: 0,13 GiB–0,63 GiB
Total estimated demand: 3,58 GiB–4,08 GiB

Arquivos contados

Quantização	Arquivos contados	Bytes	Motor de execução	Evidência
BF16 safetensors bf16 Calculadora: BF16 safetensors	model-00001-of-00002.safetensors, model-00002-of-00002.safetensors	8.875.631.616 (8,27 GiB / 8,88 GB)	`vllm, sglang, unspecified`	`file-metadata`
GGUF Q4_K_M (Qwen) gguf-q4_k_m Calculadora: GGUF Q4_K_M (Qwen)	Qwen3VL-4B-Instruct-Q4_K_M.gguf	2.497.281.664 (2,33 GiB / 2,50 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (Qwen) gguf-q8_0 Calculadora: GGUF Q8_0 (Qwen)	Qwen3VL-4B-Instruct-Q8_0.gguf	4.280.406.144 (3,99 GiB / 4,28 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Unsloth) gguf-q5_k_m Calculadora: GGUF Q5_K_M (Unsloth)	Qwen3-VL-4B-Instruct-Q5_K_M.gguf	2.889.515.296 (2,69 GiB / 2,89 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Unsloth) gguf-q6_k Calculadora: GGUF Q6_K (Unsloth)	Qwen3-VL-4B-Instruct-Q6_K.gguf	3.306.262.816 (3,08 GiB / 3,31 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	Nenhum arquivo publicado	2.218.907.904 (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	9,17 GiB–11,06 GiB	10,02 GiB–11,92 GiB	13,39 GiB–15,40 GiB
GGUF Q4_K_M (Qwen)	2,73 GiB–3,16 GiB	3,58 GiB–4,08 GiB	6,95 GiB–7,69 GiB
GGUF Q8_0 (Qwen)	4,39 GiB–4,85 GiB	5,24 GiB–5,77 GiB	8,61 GiB–9,38 GiB
GGUF Q5_K_M (Unsloth)	3,10 GiB–3,53 GiB	3,94 GiB–4,45 GiB	7,32 GiB–8,06 GiB
GGUF Q6_K (Unsloth)	3,49 GiB–3,93 GiB	4,33 GiB–4,84 GiB	7,70 GiB–8,46 GiB
INT4 theoretical Linhas teóricas não são artefactos descarregáveis.	2,47 GiB–3,57 GiB	3,32 GiB–4,62 GiB	6,69 GiB–8,77 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)

Abrir a calculadora com este modelo

Páginas relacionadas

Fontes

Qwen3-VL-4B-Instruct model card
config.json — revision ebb281ec70b05090aa6165b016eac8ec08e71b17
safetensors index — metadata.total_size=8875631616
Artifact repo Qwen/Qwen3-VL-4B-Instruct-GGUF
Artifact repo unsloth/Qwen3-VL-4B-Instruct-GGUF

Premissas que afetam o resultado

O contexto pedido cabe na janela nativa de 262144 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: Qwen3VL-4B-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…

Escolha primeiro um modelo e depois confira o equipamento.

Modelo

Mostrar modelos históricos

Quantização

Tipo de dispositivo

Hardware

Carga

O comprimento de contexto afeta principalmente a memória do KV cache.

Configurações avançadas

Runtime

Engine e tipo de cache KV desta estimativa.

Motor de execuçãoTipo do cache KVDtype do estado recorrente / conv Incluir estimativas teóricas (especialista) Permitir substituto se o filtro não tiver correspondência

Carga

Cenário de overhead e o espaço de prefill.

Cenário de overhead em tempo de execução Incluir área de trabalho mais pesada no prefill

Topologia

Como o modelo é dividido entre dispositivos. A memória não é somada.

Forma de implantaçãoDivisão intra-réplicaQuantidade de dispositivos

O número de réplicas é avançado. A quantidade são nós ou GPUs, não réplicas.

Grupos de réplicasDispositivos por réplica

Orçamento

Reserva do sistema e margem de segurança. Um número vazio mantém o valor anterior.

Reserva para sistema / tela

GiB (2^30 bytes)

O orçamento já exclui a reserva do sistemaMargem extra de segurança

Bits efetivos por parâmetro (personalizado)Unidade de exibição

Modelo personalizado

Importe uma config ou digite a arquitetura. Nada é varrido até você importar.

Importar config.json local

O arquivo é lido só no navegador e não é enviado.

Repositório público do Hugging FaceRevisão

Só huggingface.co, só config.json, sem token. Repositório privado é recusado.

Parâmetros totaisParâmetros ativosCamadasHeads de consultaHeads KVDimensão do head

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.