Alibaba · Dense · GQA
Qwen3-8B: VRAM nach Quantisierung und Kontext
8.2 Mrd. Parameter, 36 Schichten, 8 KV-Heads. In Gigabyte übersetzt sieht das so aus.
Architektur
| Parameters | 8.2B | Vendor model card |
|---|---|---|
| Layers | 36 | config.json |
| Hidden size | 4096 | config.json |
| Attention heads | 32 | config.json |
| KV heads | 8 | config.json (GQA) |
| Head dim | 128 | config.json |
| Max context | 40960 tokens | config.json |
Source: Qwen/Qwen3-8B config.json
VRAM nach Quantisierung
Total includes 8K of KV cache and 1.5 GB runtime overhead.
| Quantisierung | Weights | KV @ 8K | Gesamtbedarf | Läuft auf |
|---|---|---|---|---|
| FP16 / BF16 2.0 B/param | 16.4 GB | 1.2 GB | 19.1 GB | Mac Studio M4 Max 128GB |
| INT8 / Q8_0 1.06 B/param | 8.7 GB | 1.2 GB | 11.4 GB | Mac Studio M4 Max 128GB |
| Q4_K_M (4-bit) 0.6 B/param | 4.9 GB | 1.2 GB | 7.6 GB | Mac Studio M4 Max 128GB |
| Q5_K_M (5-bit) 0.72 B/param | 5.9 GB | 1.2 GB | 8.6 GB | Mac Studio M4 Max 128GB |
KV-Cache nach Kontextlänge
Q4_K_M weights plus 1.5 GB overhead. KV cache at FP16.
| Kontext | KV-Cache | Gesamtbedarf | Läuft auf |
|---|---|---|---|
| 4k | 0.6 GB | 7.0 GB | Mac Studio M4 Max 128GB |
| 8k | 1.2 GB | 7.6 GB | Mac Studio M4 Max 128GB |
| 16k | 2.4 GB | 8.8 GB | Mac Studio M4 Max 128GB |
| 32k | 4.8 GB | 11.3 GB | Mac Studio M4 Max 128GB |
| 64k | 9.7 GB | 16.1 GB | Mac Studio M4 Max 128GB |
| 128k | 19.3 GB | 25.7 GB | Mac Studio M4 Max 128GB |
Fazit
At Q4_K_M the weights alone are about 4.9 GB. With 8K of context and 1.5 GB of runtime overhead it lands near 7.6 GB. It fits: RTX 4090, RTX 3090, RTX 5090, Mac Studio M4 Max 128GB.
Zurück zum Rechner → · Kostenrechner öffnen → · Why 70B won't fit in 24 GB →
Durchsatzwerte sind Schätzungen aus Speicherbandbreite und veröffentlichten Messungen. VRAM-Werte folgen aus Architektur und Quantisierungsannahmen. Prüfen Sie vor dem Kauf Ihre eigene Laufzeitumgebung.