Ling-3.1-flash 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。 Official FP8 safetensors (F8_E4M3 experts + BF16 remainder)：8,192 个 token 下约 535.61 GiB–618.24 GiB，1 条序列，FP16 KV，vllm。
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Ant Group / inclusionAI
- Hugging Face
inclusionAI/Ling-3.1-flash - Revision
a4ccd6b45c002ddb236f9cb77d52cc427482bf19 - 总参数量572,120,680,768
- 激活参数量25,000,000,000
- 层数72
- 查询头64
- KV 头64 (hybrid)
- 头维度128
- 已记录的上下文能力262,144
- 完整度partial · partial
该 MoE 记录总参数 572,120,680,768、激活参数 25,000,000,000。激活参数的计算量不会当成权重驻留内存。 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
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
- 534.35 GiB (573,753,281,152 bytes)
- Raw KV cache
- 0.63 GiB (679,477,248 bytes)
- Engine extras / workspace
- 0.63 GiB–83.26 GiB
- Total estimated demand
- 535.61 GiB–618.24 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| Official FP8 safetensors (F8_E4M3 experts + BF16 remainder) fp8 | 573,753,281,152 (534.35 GiB / 573.75 GB) | sglang, vllm, unspecified | file-metadata | |
| INT4 theoretical | 没有已发布的文件 | 286,060,340,384 (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 |
|---|---|---|---|
| Official FP8 safetensors (F8_E4M3 experts + BF16 remainder) | 535.13 GiB–617.59 GiB | 535.61 GiB–618.24 GiB | 537.51 GiB–620.82 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 266.70 GiB–343.93 GiB | 267.17 GiB–344.61 GiB | 269.07 GiB–347.30 GiB |
KV Cache（原始数据）
相关页面
数据来源
- 来源 — MIT license. Card: 560B total / 25B active, 1M-token context, hybrid-linear MoE, 63 KDA + 9 Gated MLA (7:1), 4 dense layers, 512 routed experts, 8 activated, 1 shared, 64 heads, hidden 4096. Official serving: 8× H200 TP8+EP8; 4× GB300 TP4+EP4.
- 来源
- 来源 — metadata.total_size=573753281152
- 来源 — sha a4ccd6b45c002ddb236f9cb77d52cc427482bf19; gated false; safetensors.total=572120680768; sibling safetensors sum 573,781,078,249 bytes.
- 来源
- 来源 — Table: 560B parameters, 25B activated, 256K served context, 1M window cap.
影响结论的假设
- 请求的上下文在记录的原生窗口 262144 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。
- 该 MoE 记录总参数 572120680768、激活参数 25000000000。激活参数的计算量不会当成权重驻留内存。
- 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。
- 权重字节来自 54 个已发布的 safetensors 分片，合计 573753281152 字节。
- 存在 MTP / draft 权重；未启用时不计入。
- 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）。
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。