Phi-4-mini-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 (Unsloth)：8,192 个 token 下约 3.45 GiB–3.94 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Microsoft
- Hugging Face
microsoft/Phi-4-mini-instruct - Revision
cfbefacb99257ffa30c83adab238a50856ac3083 - 总参数量3,836,021,760
- 层数32
- 查询头24
- 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
- 2.32 GiB (2,491,874,272 bytes)
- Raw KV cache
- 1.00 GiB (1,073,741,824 bytes)
- Engine extras / workspace
- 0.13 GiB–0.62 GiB
- Total estimated demand
- 3.45 GiB–3.94 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-00002.safetensors, model-00002-of-00002.safetensors | 7,672,043,520 (7.15 GiB / 7.67 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Phi-4-mini-instruct-Q4_K_M.gguf | 2,491,874,272 (2.32 GiB / 2.49 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Phi-4-mini-instruct-Q5_K_M.gguf | 2,848,127,968 (2.65 GiB / 2.85 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Phi-4-mini-instruct-Q6_K.gguf | 3,155,622,880 (2.94 GiB / 3.16 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Phi-4-mini-instruct.Q8_0.gguf | 4,084,611,040 (3.80 GiB / 4.08 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 1,918,010,880 (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 | 8.02 GiB–9.90 GiB | 8.77 GiB–10.68 GiB | 11.77 GiB–13.77 GiB |
| GGUF Q4_K_M (Unsloth) | 2.70 GiB–3.12 GiB | 3.45 GiB–3.94 GiB | 6.45 GiB–7.15 GiB |
| GGUF Q5_K_M (Unsloth) | 3.03 GiB–3.46 GiB | 3.78 GiB–4.28 GiB | 6.78 GiB–7.49 GiB |
| GGUF Q6_K (Unsloth) | 3.31 GiB–3.75 GiB | 4.06 GiB–4.57 GiB | 7.06 GiB–7.78 GiB |
| GGUF Q8_0 (Unsloth) | 4.18 GiB–4.64 GiB | 4.93 GiB–5.45 GiB | 7.93 GiB–8.66 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 2.16 GiB–3.17 GiB | 2.91 GiB–4.11 GiB | 5.91 GiB–7.80 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（24）。
- 8,192 tokens, 1 sequence, FP16: 1,073,741,824 bytes (1.00 GiB)
- 32,768 tokens: 4,294,967,296 bytes (4.00 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：Phi-4-mini-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。