FreeLLMTodos os modelos › moonshotai
Moonlight-16B-A3B-Instruct
moonshotai · licença aberta · lançado em 22 fev. 2025
Onde usar de graça
- Baixe e rode em casa: pesos oficiais · arquivos GGUF para Ollama e LM Studio
Ainda sem votos na Arena
A Arena ainda não votou neste modelo. Ele aparece aqui por ser um modelo pequeno popular na página oficial do laboratório no Hugging Face (34K downloads por mês).
Velocidade em hardware popular
| Hardware | Memória da GPU | Cabe? | Velocidade |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Cabe na GPU | 77 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Cabe na GPU | 65 tok/s |
| RTX 3090 | 24 GB | Cabe na GPU | 150 tok/s |
| RTX 4090 | 24 GB | Cabe na GPU | 156 tok/s |
| RTX 5090 | 32 GB | Cabe na GPU | 207 tok/s |
| RX 7900 XTX | 24 GB | Cabe na GPU | 152 tok/s |
| 2 × RTX 3090 | 48 GB | Cabe na GPU | 145 tok/s |
| 4 × RTX 3090 | 96 GB | Cabe na GPU | 137 tok/s |
| Mac M4 Max 128 GB | 96 GB | Cabe na GPU | 76 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Cabe na GPU | 59 tok/s |
| 8 × H100 SXM | 640 GB | Cabe na GPU | 213 tok/s |
Estimativa com 4 bits e contexto de 32K, com 64 GB de DDR5 para offload. Velocidade ≈ largura de banda da memória × 78% ÷ dados lidos por token, mais um custo fixo por token, calibrada em 44 testes reais com llama.cpp; erro típico de cerca de ±10%. Compare todas as GPUs.
Memória de GPU necessária
| Nível | Contexto de 8K | Qualidade vs. completo |
|---|---|---|
| Q3_K_M | 8.9 GB | +8.7% perda perceptível |
| Q4_K_M | 11 GB | +2.3% perda pequena |
| Q5_K_M | 12 GB | +0.7% perda muito pequena |
| Q6_K | 14 GB | +0.3% quase sem perda |
| Q8_0 | 18 GB | ≈ 0% igual ao completo |
| F16 | 33 GB | ≈ 0% igual ao completo |
Pesos + cache de contexto (a partir da arquitetura do modelo) + runtime. Qualidade: aumento em perplexity em relação ao modelo completo, com base em testes com llama.cpp, ajustado pelo tamanho do modelo. Simule a sua configuração.
Compartilhe esta página:XLinkedInRedditWhatsApp
Viu um número errado ou um link quebrado? Informe um erro