granite-3.3-8b-instruct 显存与内存需求
具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_K_M (IBM)：8,192 个 token 下约 5.98 GiB–6.53 GiB，1 条序列，FP16 KV，llama.cpp。
当前结果是估算，不是对应环境的实测。未核实有文件依据的权重
发布方与出处
- 提供方IBM
- Hugging Face
ibm-granite/granite-3.3-8b-instruct - Revision
51dd4bc2ade4059a6bd87649d68aa11e4fb2529b - 总参数量8,170,864,640
- 层数40
- 查询头32
- KV 头8 (gqa)
- 头维度128
- 已记录的上下文能力131,072
- 完整度complete · full
这次估算里的内存分层
文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。
- Weight artifact
- 4.60 GiB (4,942,873,344 bytes)
- Raw KV cache
- 1.25 GiB (1,342,177,280 bytes)
- Engine extras / workspace
- 0.13 GiB–0.68 GiB
- Total estimated demand
- 5.98 GiB–6.53 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 16,341,729,280 (15.22 GiB / 16.34 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (IBM) gguf-q4_k_m | granite-3.3-8b-instruct-Q4_K_M.gguf | 4,942,873,344 (4.60 GiB / 4.94 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (IBM) gguf-q5_k_m | granite-3.3-8b-instruct-Q5_K_M.gguf | 5,797,462,784 (5.40 GiB / 5.80 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (IBM) gguf-q6_k | granite-3.3-8b-instruct-Q6_K.gguf | 6,705,464,064 (6.24 GiB / 6.71 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (IBM) gguf-q8_0 | granite-3.3-8b-instruct-Q8_0.gguf | 8,684,264,992 (8.09 GiB / 8.68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 4,085,432,320 (理论行不是可下载的发布文件。) | — | theoretical |
按量化与上下文查看显存
并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。
| 量化 | 2,048 tokens | 8,192 tokens | 32,768 tokens |
|---|---|---|---|
| BF16 safetensors | 16.16 GiB–18.04 GiB | 17.09 GiB–19.01 GiB | 20.84 GiB–22.87 GiB |
| GGUF Q4_K_M (IBM) | 5.04 GiB–5.51 GiB | 5.98 GiB–6.53 GiB | 9.73 GiB–10.55 GiB |
| GGUF Q5_K_M (IBM) | 5.84 GiB–6.33 GiB | 6.77 GiB–7.34 GiB | 10.52 GiB–11.36 GiB |
| GGUF Q6_K (IBM) | 6.68 GiB–7.19 GiB | 7.62 GiB–8.21 GiB | 11.37 GiB–12.22 GiB |
| GGUF Q8_0 (IBM) | 8.53 GiB–9.07 GiB | 9.46 GiB–10.09 GiB | 13.21 GiB–14.10 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 4.24 GiB–5.84 GiB | 5.18 GiB–7.01 GiB | 8.93 GiB–11.63 GiB |
KV Cache（原始数据）
标准 GQA/MHA 的原始 KV 为 2 × 层数 × kvHeads × headDim × token 数 × 序列数 × 每元素字节。本页使用 KV heads（8），不是 query heads（32）。
- 8,192 tokens, 1 sequence, FP16: 1,342,177,280 bytes (1.2500 GiB)
- 32,768 tokens: 5,368,709,120 bytes (5.00 GiB)
相关页面
数据来源
影响结论的假设
- 请求的上下文在记录的原生窗口 131072 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：granite-3.3-8b-instruct-Q4_K_M.gguf。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
- 除非你改 KV 精度，否则 KV 的数据类型与权重量化无关。
计算器
正在加载已发布的目录快照…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。