Qwen3-VL-30B-A3B-Instruct 显存需求 18.93 GiB
显存需求 18.93 GiB。Qwen3-VL-30B-A3B-Instruct Q4_K_M 在 8,192 token 下的估计是 18.16 GiB–18.93 GiB。仓库 Qwen/Qwen3-VL-30B-A3B-Instruct。文件 18,556,687,168 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 18.16 GiB–18.93 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/Qwen3-VL-30B-A3B-Instruct - Revision
9c4b90e1e4ba969fd3b5378b57d966d725f1b86c - 总参数量31,070,754,032
- 激活参数量3,000,000,000
- 层数48
- 查询头32
- KV 头4 (gqa)
- 头维度128
- 已记录的上下文能力262,144
- 完整度complete · full
该 MoE 记录总参数 31,070,754,032、激活参数 3,000,000,000。激活参数的计算量不会当成权重驻留内存。 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
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
- 17.28 GiB (18,556,687,168 bytes)
- Raw KV cache
- 0.75 GiB (805,306,368 bytes)
- Engine extras / workspace
- 0.13 GiB–0.90 GiB
- Total estimated demand
- 18.16 GiB–18.93 GiB
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| BF16 safetensors bf16 | 62,141,508,064 (57.87 GiB / 62.14 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_K_M (Qwen) gguf-q4_k_m | Qwen3VL-30B-A3B-Instruct-Q4_K_M.gguf | 18,556,687,168 (17.28 GiB / 18.56 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Qwen) gguf-q8_0 | Qwen3VL-30B-A3B-Instruct-Q8_0.gguf | 32,483,932,992 (30.25 GiB / 32.48 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | Qwen3-VL-30B-A3B-Instruct-Q5_K_M.gguf | 21,725,583,072 (20.23 GiB / 21.73 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | Qwen3-VL-30B-A3B-Instruct-Q6_K.gguf | 25,092,533,984 (23.37 GiB / 25.09 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 15,535,377,016 (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 | 58.69 GiB–60.57 GiB | 59.25 GiB–61.15 GiB | 61.50 GiB–63.46 GiB |
| GGUF Q4_K_M (Qwen) | 17.59 GiB–18.32 GiB | 18.16 GiB–18.93 GiB | 20.41 GiB–21.34 GiB |
| GGUF Q8_0 (Qwen) | 30.57 GiB–31.55 GiB | 31.13 GiB–32.16 GiB | 33.38 GiB–34.57 GiB |
| GGUF Q5_K_M (Unsloth) | 20.55 GiB–21.33 GiB | 21.11 GiB–21.94 GiB | 23.36 GiB–24.35 GiB |
| GGUF Q6_K (Unsloth) | 23.68 GiB–24.53 GiB | 24.24 GiB–25.14 GiB | 26.49 GiB–27.55 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 14.78 GiB–19.43 GiB | 15.34 GiB–20.13 GiB | 17.59 GiB–22.90 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（32）。
- 8,192 tokens, 1 sequence, FP16: 805,306,368 bytes (0.7500 GiB)
- 32,768 tokens: 3,221,225,472 bytes (3.00 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 262144 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。
- 该 MoE 记录总参数 31070754032、激活参数 3000000000。激活参数的计算量不会当成权重驻留内存。
- 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：Qwen3VL-30B-A3B-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）。
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。