Qwen2.5-Coder-3B-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 (Qwen)：8,192 个 token 下约 2.37 GiB–2.80 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-3B-Instruct - Revision
488639f1ff808d1d3d0ba301aef8c11461451ec5 - 总参数量3,085,938,688
- 层数36
- 查询头16
- KV 头2 (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
- 1.96 GiB (2,104,932,800 bytes)
- Raw KV cache
- 0.28 GiB (301,989,888 bytes)
- Engine extras / workspace
- 0.13 GiB–0.56 GiB
- Total estimated demand
- 2.37 GiB–2.80 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 | 6,171,877,376 (5.75 GiB / 6.17 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | qwen2.5-coder-3b-instruct-q4_k_m.gguf | 2,104,932,800 (1.96 GiB / 2.10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Qwen) gguf-q5_k_m | qwen2.5-coder-3b-instruct-q5_k_m.gguf | 2,438,740,416 (2.27 GiB / 2.44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Qwen) gguf-q6_k | qwen2.5-coder-3b-instruct-q6_k.gguf | 2,793,411,008 (2.60 GiB / 2.79 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | qwen2.5-coder-3b-instruct-q8_0.gguf | 3,616,088,512 (3.37 GiB / 3.62 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 1,542,969,344 (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 | 6.44 GiB–8.32 GiB | 6.65 GiB–8.54 GiB | 7.50 GiB–9.41 GiB |
| GGUF Q4_K_M (Qwen) | 2.16 GiB–2.57 GiB | 2.37 GiB–2.80 GiB | 3.21 GiB–3.70 GiB |
| GGUF Q5_K_M (Qwen) | 2.47 GiB–2.89 GiB | 2.68 GiB–3.12 GiB | 3.52 GiB–4.02 GiB |
| GGUF Q6_K (Qwen) | 2.80 GiB–3.23 GiB | 3.01 GiB–3.45 GiB | 3.85 GiB–4.36 GiB |
| GGUF Q8_0 (Qwen) | 3.56 GiB–4.01 GiB | 3.77 GiB–4.24 GiB | 4.62 GiB–5.14 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 1.63 GiB–2.51 GiB | 1.84 GiB–2.77 GiB | 2.69 GiB–3.81 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（16）。
- 8,192 tokens, 1 sequence, FP16: 301,989,888 bytes (0.2813 GiB)
- 32,768 tokens: 1,207,959,552 bytes (1.1250 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-3b-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。