Qwen2.5-Coder-1.5B-Instruct 显存需求 1.80 GiB
显存需求 1.80 GiB。Qwen2.5-Coder-1.5B-Instruct Q4_K_M 在 8,192 token 下的估计是 1.38 GiB–1.80 GiB。仓库 Qwen/Qwen2.5-Coder-1.5B-Instruct。文件 1,117,320,768 字节。未选显卡，所以只是本地大模型的需求，不是能否装下。
具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_K_M (Qwen)：8,192 个 token 下约 1.38 GiB–1.80 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Qwen
- Hugging Face
Qwen/Qwen2.5-Coder-1.5B-Instruct - Revision
2e1fd397ee46e1388853d2af2c993145b0f1098a - 总参数量1,543,714,304
- 层数28
- 查询头12
- KV 头2 (gqa)
- 头维度128
- 已记录的上下文能力32,768
- 完整度partial · 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
- 1.04 GiB (1,117,320,768 bytes)
- Raw KV cache
- 0.22 GiB (234,881,024 bytes)
- Engine extras / workspace
- 0.13 GiB–0.54 GiB
- Total estimated demand
- 1.38 GiB–1.80 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-1.5b-instruct-q4_k_m.gguf | 1,117,320,768 (1.04 GiB / 1.12 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-1.5b-instruct-q5_k_m.gguf | 1,285,494,336 (1.20 GiB / 1.29 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-1.5b-instruct-q6_k.gguf | 1,464,178,752 (1.36 GiB / 1.46 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-1.5b-instruct-q8_0.gguf | 1,894,532,160 (1.76 GiB / 1.89 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 771,857,152 (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 |
|---|---|---|---|
| GGUF Q4_K_M (Qwen) | 1.22 GiB–1.62 GiB | 1.38 GiB–1.80 GiB | 2.04 GiB–2.50 GiB |
| GGUF Q5_K_M (Qwen) | 1.38 GiB–1.78 GiB | 1.54 GiB–1.96 GiB | 2.20 GiB–2.66 GiB |
| GGUF Q6_K (Qwen) | 1.54 GiB–1.95 GiB | 1.71 GiB–2.12 GiB | 2.36 GiB–2.83 GiB |
| GGUF Q8_0 (Qwen) | 1.94 GiB–2.36 GiB | 2.11 GiB–2.53 GiB | 2.76 GiB–3.24 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 0.90 GiB–1.57 GiB | 1.06 GiB–1.77 GiB | 1.72 GiB–2.58 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（2），不是 query heads（12）。
- 8,192 tokens, 1 sequence, FP16: 234,881,024 bytes (0.2188 GiB)
- 32,768 tokens: 939,524,096 bytes (0.8750 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：qwen2.5-coder-1.5b-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。