Modelos / Qwen 2.5
Qwen 2.5 Coder 7B
Especializado em código. Bom para autocompletar no editor em placas de 8 GB.
- Parâmetros
- 7.6B
- Contexto máximo
- 32K
- Placa mínima
- 8 GB de VRAM
- Mac mínimo
- 8 GB
Alibaba · licença apache-2.0 · mínimos com Q4_K_M e 8K de contexto
Rodar no Ollama
- Q4_K_M
ollama run qwen2.5-coder:7b - Q5_K_M
ollama run qwen2.5-coder:7b-base-q5_K_M - Q8_0
ollama run qwen2.5-coder:7b-base-q8_0 - FP16
ollama run qwen2.5-coder:7b-base-fp16
Quanta memória precisa
Total com pesos, KV cache e runtime, por quantização e contexto.
| Quantização | 4K | 8K | 32K |
|---|---|---|---|
| Q4_K_M | 5,3 GB | 5,6 GB | 7,5 GB |
| Q5_K_M | 6,1 GB | 6,4 GB | 8,3 GB |
| Q8_0 | 8,7 GB | 9,1 GB | 11 GB |
| FP16 | 16 GB | 16,3 GB | 18,2 GB |
Placas que rodam
- RTX 5060 Ti 8 GB 8 GBRoda bem≈ 65 tok/s
- RTX 5060 8 GBRoda bem≈ 65 tok/s
- RTX 5050 8 GBRoda bem≈ 46 tok/s
- RTX 4060 Ti 8 GB 8 GBRoda bem≈ 42 tok/s
- RTX 4060 8 GBRoda bem≈ 39 tok/s
- Radeon RX 7600 8 GBRoda bem≈ 34 tok/s
- RTX 5070 12 GBRoda bem≈ 98 tok/s
- RTX 4070 Super 12 GBRoda bem≈ 73 tok/s
- RTX 4070 12 GBRoda bem≈ 73 tok/s
- RTX 3060 12 GB 12 GBRoda bem≈ 52 tok/s
- Radeon RX 7700 XT 12 GBRoda bem≈ 51 tok/s
- Arc B580 12 GBRoda bem≈ 49 tok/s
- RTX 5080 16 GBRoda bem≈ 139 tok/s
- RTX 5070 Ti 16 GBRoda bem≈ 130 tok/s
- RTX 4080 Super 16 GBRoda bem≈ 107 tok/s
- RTX 4070 Ti Super 16 GBRoda bem≈ 98 tok/s
- Radeon RX 9070 XT 16 GBRoda bem≈ 75 tok/s
- Radeon RX 9070 16 GBRoda bem≈ 75 tok/s
- Radeon RX 7800 XT 16 GBRoda bem≈ 73 tok/s
- RTX 5060 Ti 16 GB 16 GBRoda bem≈ 65 tok/s
- RTX 4060 Ti 16 GB 16 GBRoda bem≈ 42 tok/s
- Radeon RX 9060 XT 16 GB 16 GBRoda bem≈ 38 tok/s
- Radeon RX 7600 XT 16 GBRoda bem≈ 34 tok/s
- Radeon RX 7900 XT 20 GBRoda bem≈ 94 tok/s
- RTX 4090 24 GBRoda bem≈ 146 tok/s
- RTX 3090 24 GBRoda bem≈ 136 tok/s
- Radeon RX 7900 XTX 24 GBRoda bem≈ 113 tok/s
- RTX 5090 32 GBRoda bem≈ 260 tok/s
Macs
- M5a partir de 16 GB · ≈ 23 tok/s
- M5 Proa partir de 24 GB · ≈ 46 tok/s
- M5 Maxa partir de 36 GB · ≈ 54 tok/s
- M4a partir de 16 GB · ≈ 18 tok/s
- M4 Proa partir de 24 GB · ≈ 41 tok/s
- M4 Maxa partir de 36 GB · ≈ 48 tok/s
Arquitetura
- 28 camadas, 4 cabeças de KV de 128 dimensões.
- Cada token de contexto ocupa cerca de 56 KB de KV cache em F16.
Fontes: config.json · arquivo de pesos · atualizado em 16/10/2026