Qwen2.5-Coder-7B 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 (mradermacher)：8,192 个 token 下约 4.92 GiB–5.42 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-7B - Revision
0396a76181e127dfc13e5c5ec48a8cee09938b02 - 总参数量7,615,616,512
- 层数28
- 查询头28
- KV 头4 (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
- 4.36 GiB (4,683,074,400 bytes)
- Raw KV cache
- 0.44 GiB (469,762,048 bytes)
- Engine extras / workspace
- 0.13 GiB–0.62 GiB
- Total estimated demand
- 4.92 GiB–5.42 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-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 15,231,233,024 (14.19 GiB / 15.23 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (mradermacher) gguf-q4_k_m | Qwen2.5-Coder-7B.Q4_K_M.gguf | 4,683,074,400 (4.36 GiB / 4.68 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (mradermacher) gguf-q5_k_m | Qwen2.5-Coder-7B.Q5_K_M.gguf | 5,444,832,096 (5.07 GiB / 5.44 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (mradermacher) gguf-q6_k | Qwen2.5-Coder-7B.Q6_K.gguf | 6,254,199,648 (5.82 GiB / 6.25 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (mradermacher) gguf-q8_0 | Qwen2.5-Coder-7B.Q8_0.gguf | 8,098,526,048 (7.54 GiB / 8.10 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 3,807,808,256 (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 | 14.92 GiB–16.80 GiB | 15.25 GiB–17.14 GiB | 16.56 GiB–18.49 GiB |
| GGUF Q4_K_M (mradermacher) | 4.60 GiB–5.06 GiB | 4.92 GiB–5.42 GiB | 6.24 GiB–6.82 GiB |
| GGUF Q5_K_M (mradermacher) | 5.31 GiB–5.78 GiB | 5.63 GiB–6.14 GiB | 6.95 GiB–7.54 GiB |
| GGUF Q6_K (mradermacher) | 6.06 GiB–6.55 GiB | 6.39 GiB–6.91 GiB | 7.70 GiB–8.31 GiB |
| GGUF Q8_0 (mradermacher) | 7.78 GiB–8.30 GiB | 8.10 GiB–8.66 GiB | 9.42 GiB–10.07 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 3.78 GiB–5.27 GiB | 4.11 GiB–5.68 GiB | 5.42 GiB–7.30 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（4），不是 query heads（28）。
- 8,192 tokens, 1 sequence, FP16: 469,762,048 bytes (0.4375 GiB)
- 32,768 tokens: 1,879,048,192 bytes (1.7500 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-7B.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。