Vota in Free Arena

Tutti i modelli › Qwen

Qwen3-4B-Instruct-2507

Qwen · open license · released 5 Aug 2025

Download Nessun voto su Arena
Punteggio Arena—Non ancora votato su Arena
Dimensione4 Bparametri
Download a 4 bit2.4 GBsolo pesi, Q4_K_M
Contesto massimo256Ktoken, dalla configurazione del modello

Dove usarlo gratis

  • Eseguilo in un comando con whichllm (gratis, open source): uvx whichllm@latest plan "Qwen3-4B-Instruct-2507" mostra la GPU necessaria, uvx whichllm@latest run "Qwen3-4B-Instruct-2507 gguf" la scarica e avvia una chat
  • 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 (6.4M download al mese).

Velocità sull'hardware più diffuso

HardwareMemoria GPUCi sta?Velocità
RTX 3060 12 GB12 GBEntra nella GPU37 tok/s
RTX 4060 Ti 16 GB16 GBEntra nella GPU30 tok/s
RTX 309024 GBEntra nella GPU91 tok/s
RTX 409024 GBEntra nella GPU98 tok/s
RTX 509032 GBEntra nella GPU162 tok/s
RX 7900 XTX24 GBEntra nella GPU94 tok/s
2 × RTX 309048 GBEntra nella GPU89 tok/s
4 × RTX 309096 GBEntra nella GPU84 tok/s
Mac M4 Max 128 GB96 GBEntra nella GPU49 tok/s
Ryzen AI Max+ 395 128 GB96 GBEntra nella GPU27 tok/s
8 × H100 SXM640 GBEntra nella GPU219 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

LivelloContesto da 8KContesto da 32KContesto da 128KQualità rispetto al modello completo
Q3_K_M3.8 GB7.4 GB22 GB+10.5% perdita evidente
Q4_K_M4.2 GB7.9 GB22 GB+2.8% piccola perdita
Q5_K_M4.7 GB8.3 GB23 GB+0.9% perdita minima
Q6_K5.1 GB8.7 GB23 GB+0.3% quasi senza perdita
Q8_06.1 GB9.7 GB24 GB≈ 0% uguale al completo
F169.8 GB13 GB28 GB≈ 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

Premi / o Ctrl+K per cercare da qualsiasi pagina.