Калькулятор VRAM и GPU для Qwen2.5-Omni-7B (10.7B Total)

Подбор оборудования для Qwen2.5-Omni-7B (10.7B Total) (10.7B, Alibaba Qwen). Оценка для контекста 8K: INT4 8.1 ГБ • FP8 13.6 ГБ • FP16 24.5 ГБ.

GPU

Требования к памяти 24.47 ГБ

Требуется 2 GPU (на основе емкости памяти)

23 GB

Все веса модели

0.44 GB

Кэш истории разговора

0.9 GB

Кэш параллельной обработки

0.14 GB

Временный кэш вычислений

Метрики производительности
Тест 152 ток/с →
Общая пропускная способность
152 токенов/с
Пропускная способность на пользователя
152 токенов/с/пользователь
Оценочная задержка
986 мс
Макс QPS
1 запросов/с

Оценка пропускной способности памяти и вычислений для 2x NVIDIA RTX 4090 (24GB).

Команда быстрого запуска (CLI)
vllm serve Qwen/Qwen2.5-Omni-7B --tensor-parallel-size 2 --max-model-len 8192
Параметры автоматически учитывают выбранную точность, контекст и число GPU.Страница модели Qwen2.5-Omni-7B →

Архитектура и профиль памяти Qwen2.5-Omni-7B (10.7B Total)

Всего параметров
10.7B
Архитектура
Dense (плотная)
Разработчик
Alibaba Qwen
Рекомендуемая точность
FP16

Матрица VRAM для Qwen2.5-Omni-7B (10.7B Total) по точности и контексту

Предрасчёт для 1 пользователя (веса модели + KV-кэш + накладные расходы).

ТочностьКонтекст 8KКонтекст 32KКонтекст 128K
FP1624.5 GB25.8 GB31.0 GB
FP813.6 GB14.2 GB16.8 GB
INT813.6 GB14.2 GB16.8 GB
INT48.1 GB8.4 GB9.7 GB

Рекомендуемые GPU для Qwen2.5-Omni-7B (10.7B Total) (FP16)

Минимум видеокарт для контекста 8K при batch=1 и ожидаемая скорость.

Модель GPUМин. GPUОбщая VRAMСкорость
NVIDIA RTX 4090 (24GB)2×48 GB152 tok/s
NVIDIA RTX 5090 (32GB)1×32 GB71 tok/s
Apple M4 Max (128GB) (128GB)1×128 GB16 tok/s
NVIDIA A100 (80GB) (80GB)1×80 GB77 tok/s
NVIDIA H100 (80GB)1×80 GB131 tok/s
NVIDIA H200 (141GB)1×141 GB191 tok/s
Huawei Ascend 910B (64GB)1×64 GB48 tok/s

Вопросы по развёртыванию Qwen2.5-Omni-7B (10.7B Total)

Сколько видеопамяти требуется для запуска Qwen2.5-Omni-7B (10.7B Total)?
При контексте 8K и одном пользователе Qwen2.5-Omni-7B (10.7B Total) занимает около 24.5 ГБ в FP16, 13.6 ГБ в FP8 и 8.1 ГБ в квантовании INT4.
Сколько нужно видеокарт RTX 4090 или H100 для Qwen2.5-Omni-7B (10.7B Total)?
В точности FP16 для Qwen2.5-Omni-7B (10.7B Total) потребуется минимум 2x RTX 4090 (24 ГБ) или 1x NVIDIA H100 (80 ГБ).
Какую точность выбрать для Qwen2.5-Omni-7B (10.7B Total) в продакшене?
Для Qwen2.5-Omni-7B (10.7B Total) (10.7B, Alibaba Qwen) оптимальный баланс качества, скорости и памяти обеспечивает FP16.