FreeLLMTutti i modelli › microsoft
Phi-mini-MoE-instruct
microsoft · licenza aperta · uscito il 23 giu 2025
Dove usarlo gratis
- Scaricalo e usalo a casa: pesi ufficiali · file GGUF per Ollama e LM Studio
Ancora nessun voto su Arena
Arena non ha votato questo modello. È in elenco perché è un modello piccolo molto diffuso nella pagina Hugging Face ufficiale del suo laboratorio (21K download al mese).
Velocità sull'hardware più diffuso
| Hardware | Memoria GPU | Ci sta? | Velocità |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Entra nella GPU | 43 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Entra nella GPU | 35 tok/s |
| RTX 3090 | 24 GB | Entra nella GPU | 94 tok/s |
| RTX 4090 | 24 GB | Entra nella GPU | 99 tok/s |
| RTX 5090 | 32 GB | Entra nella GPU | 145 tok/s |
| RX 7900 XTX | 24 GB | Entra nella GPU | 95 tok/s |
| 2 × RTX 3090 | 48 GB | Entra nella GPU | 91 tok/s |
| 4 × RTX 3090 | 96 GB | Entra nella GPU | 86 tok/s |
| Mac M4 Max 128 GB | 96 GB | Entra nella GPU | 50 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Entra nella GPU | 32 tok/s |
| 8 × H100 SXM | 640 GB | Entra nella GPU | 165 tok/s |
Stima a 4 bit con contesto da 32K e 64 GB di DDR5 per lo scarico in RAM. Velocità ≈ banda di memoria × 78% ÷ dati letti per token, più un costo fisso per token, calibrata su 44 test reali con llama.cpp; errore tipico di circa ±10%. Confronta tutte le GPU.
Memoria GPU necessaria
| Livello | Qualità rispetto al modello completo |
|---|---|
| Q3_K_M | +10.5% perdita evidente |
| Q4_K_M | +2.8% piccola perdita |
| Q5_K_M | +0.9% perdita minima |
| Q6_K | +0.3% quasi senza perdita |
| Q8_0 | ≈ 0% uguale al completo |
| F16 | ≈ 0% uguale al completo |
Pesi + cache del contesto (dall'architettura del modello) + runtime. Qualità: aumento di perplexity rispetto al modello completo, dai test con llama.cpp, scalato in base alla dimensione del modello. Simula la tua configurazione.
Condividi questa pagina:XLinkedInRedditWhatsApp
Hai visto un numero sbagliato o un link rotto? Segnala un errore