01 详细解释
占用分三块:权重(参数量 × 每参数字节数)、KV 缓存(随上下文与并发增长)、以及运行时开销。粗略估算:4bit 量化下,参数量(B)× 0.6 GB 是权重占用。
跑了就爆显存,多半不是权重太大,而是上下文太长或并发太高把 KV 缓存撑爆了。
占用分三块:权重(参数量 × 每参数字节数)、KV 缓存(随上下文与并发增长)、以及运行时开销。粗略估算:4bit 量化下,参数量(B)× 0.6 GB 是权重占用。
跑了就爆显存,多半不是权重太大,而是上下文太长或并发太高把 KV 缓存撑爆了。
同样一个模型,费用能差十倍,差别全在缓存、批处理、量化、并行和让它想多久。做容量规划、选部署方式、谈单价,都绕不开这几个词。