Model · Alibaba Qwen · 2024· config.json 已核实
Qwen2.5-7B（7.62B）显存要求 · 本地部署需要什么显卡
原生上下文 131,072 tokens · GQA
推理显存需求（llama.cpp 口径，batch = 1，含 KV/缓冲/开销）
| 量化档 | 权重体积 | 4K 上下文 | 32K 上下文 | 128K 上下文 |
|---|---|---|---|---|
| FP16 / BF16 | 14.2 GiB | 15.4 GiB | 18.5 GiB | 29.0 GiB |
| GGUF Q8_0 | 7.5 GiB | 8.7 GiB | 11.8 GiB | 22.3 GiB |
| GGUF Q4_K_M | 4.3 GiB | 5.5 GiB | 8.6 GiB | 19.1 GiB |
| GGUF Q2_K | 2.3 GiB | 3.5 GiB | 6.6 GiB | 17.1 GiB |
显存需求 = 权重 + KV cache + 计算/输入缓冲 + 框架开销（≈0.8 GB）。权重与 KV 为精确公式， 典型误差 ±3%；≥24 GB 显存可从 4-bit 档起步。
微调显存估算（4096 上下文 × batch 1，梯度检查点开）
| 全参微调（AdamW 混合精度） | 115.2 GiB |
| LoRA（r=16，7 模块） | 16.5 GiB |
| QLoRA（NF4，r=16） | 6.0 GiB |
微调框架与部署引擎推荐
微调：LLaMA-Factory（中文生态最佳，支持 DoRA/GaLore） · ModelScope · DashScope 云端微调
部署：vLLM (≥0.5.3) · SGLang · Ollama · MLX
硬件参考：Qwen3-30B-A3B：每 token 仅激活 3.3B，消费卡友好；72B BF16：至少 2×A100/H100