Qwen2.5-VL-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 (Unsloth)：8,192 个 token 下约 2.20 GiB–2.63 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-VL-3B-Instruct - Revision
66285546d2b821cf421d4f5eb2576359d3770cd3 - 总参数量3,754,622,976
- 层数36
- 查询头16
- KV 头2 (gqa)
- 头维度128
- 已记录的上下文能力128,000
- 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
- 1.80 GiB (1,929,901,408 bytes)
- Raw KV cache
- 0.28 GiB (301,989,888 bytes)
- Engine extras / workspace
- 0.13 GiB–0.56 GiB
- Total estimated demand
- 2.20 GiB–2.63 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 | 7,509,245,952 (6.99 GiB / 7.51 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | Qwen2.5-VL-3B-Instruct-Q4_K_M.gguf | 1,929,901,408 (1.80 GiB / 1.93 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen2.5-VL-3B-Instruct-Q5_K_M.gguf | 2,224,813,408 (2.07 GiB / 2.22 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen2.5-VL-3B-Instruct-Q6_K.gguf | 2,538,157,408 (2.36 GiB / 2.54 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | Qwen2.5-VL-3B-Instruct-Q8_0.gguf | 3,285,474,656 (3.06 GiB / 3.29 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 1,877,311,488 (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 | 7.69 GiB–9.57 GiB | 7.90 GiB–9.78 GiB | 8.74 GiB–10.65 GiB |
| GGUF Q4_K_M (Unsloth) | 1.99 GiB–2.41 GiB | 2.20 GiB–2.63 GiB | 3.05 GiB–3.54 GiB |
| GGUF Q5_K_M (Unsloth) | 2.27 GiB–2.69 GiB | 2.48 GiB–2.91 GiB | 3.32 GiB–3.82 GiB |
| GGUF Q6_K (Unsloth) | 2.56 GiB–2.98 GiB | 2.77 GiB–3.21 GiB | 3.61 GiB–4.11 GiB |
| GGUF Q8_0 (Unsloth) | 3.26 GiB–3.69 GiB | 3.47 GiB–3.92 GiB | 4.31 GiB–4.82 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 1.94 GiB–2.91 GiB | 2.15 GiB–3.17 GiB | 3.00 GiB–4.21 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 128000 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-VL-3B-Instruct-Q4_K_M.gguf。
- 该 checkpoint 含视觉组件。纯文本推理不计入视觉编码器或 projector。
- 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。
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。