Phi-4-reasoning 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 10.12 GiB–10.77 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-reasoning - Revision
1de18ec97600877ce63dbf60c73b998da99f0195 - 总参数量14,659,507,200
- 层数40
- 查询头40
- KV 头10 (gqa)
- 头维度128
- 已记录的上下文能力32,768
- 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
- 8.43 GiB (9,053,117,728 bytes)
- Raw KV cache
- 1.56 GiB (1,677,721,600 bytes)
- Engine extras / workspace
- 0.13 GiB–0.78 GiB
- Total estimated demand
- 10.12 GiB–10.77 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| BF16 safetensors bf16 | 29,319,014,400 (27.31 GiB / 29.32 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | phi-4-reasoning-Q4_K_M.gguf | 9,053,117,728 (8.43 GiB / 9.05 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | phi-4-reasoning-Q5_K_M.gguf | 10,604,191,008 (9.88 GiB / 10.60 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | phi-4-reasoning-Q6_K.gguf | 12,030,254,368 (11.20 GiB / 12.03 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | phi-4-reasoning-Q8_0.gguf | 15,580,503,328 (14.51 GiB / 15.58 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 7,329,753,600 (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 | 28.32 GiB–30.21 GiB | 29.49 GiB–31.41 GiB | 34.18 GiB–36.24 GiB |
| GGUF Q4_K_M (Unsloth) | 8.95 GiB–9.50 GiB | 10.12 GiB–10.77 GiB | 14.81 GiB–15.79 GiB |
| GGUF Q5_K_M (Unsloth) | 10.39 GiB–10.97 GiB | 11.56 GiB–12.25 GiB | 16.25 GiB–17.26 GiB |
| GGUF Q6_K (Unsloth) | 11.72 GiB–12.33 GiB | 12.89 GiB–13.60 GiB | 17.58 GiB–18.62 GiB |
| GGUF Q8_0 (Unsloth) | 15.03 GiB–15.70 GiB | 16.20 GiB–16.97 GiB | 20.89 GiB–21.99 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 7.34 GiB–9.83 GiB | 8.51 GiB–11.29 GiB | 13.20 GiB–17.06 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（10），不是 query heads（40）。
- 8,192 tokens, 1 sequence, FP16: 1,677,721,600 bytes (1.5625 GiB)
- 32,768 tokens: 6,710,886,400 bytes (6.2500 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 32768 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-reasoning-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。