LG AI Research2.4B~2 GB VRAM przy Q4_K_M

EXAONE 3.5 2.4B — VRAM, szybkość i lokalna konfiguracja

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 10 lutego 2026

Ultra-compact model for edge devices and phones. Outperforms similarly-sized models on instruction tasks.

EXAONE 3.5 2.4B potrzebuje około 2 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika74

Kreatywność78

Kod72

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	2.2 GB	~270 tok/s	Mieści się
Q3_K_M 3.41 bpw	2.5 GB	~249 tok/s	Mieści się
Q4_K_M 4.83 bpw	2.9 GB	~218 tok/s	Mieści się
Q5_K_M 5.67 bpw	3.1 GB	~204 tok/s	Mieści się
Q6_K 6.56 bpw	3.4 GB	~190 tok/s	Mieści się
Q8_0 8.50 bpw	4 GB	~166 tok/s	Mieści się
F16 16.00 bpw	6.2 GB	~111 tok/s	Mieści się

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla EXAONE 3.5 2.4B →

Uruchom EXAONE 3.5 2.4B

Najtańsze GPU z naszego katalogu, które uruchomi EXAONE 3.5 2.4B, to Intel Arc B570 (10 GB).

Kup ten sprzęt Intel Arc B570 10GB — 10 GB VRAM · 150 W board power Uruchom w chmurze RTX 4090 w RunPod — od $0.34/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)

Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.

Intel Arc B570 10GB

10 GB VRAM · 150 W board power

Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Sprawdź cenę na Amazon

Jak uruchomić EXAONE 3.5 2.4B

Zainstaluj Ollama, a potem uruchom:

$ollama run exaone3.5:2.4b

Wagi na Hugging Face: LGAI-EXAONE/EXAONE-3.5-2.4B-Instruct ↗

Specyfikacja

Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.

Parametry: 2.4 Billion
Okno kontekstu: 32,768
Architektura: Dense, Decoder-only
Dostawca: LG AI Research
Licencja: MIT
Practical deployment: Edge device (phone, SBC)
Określono przy: Q4_K_M
RAM systemowy: 8 GB
Rekord zaktualizowany: 2026-02-10

LicencjaMITUżycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy dochatedge devicesphonemultilingual

Czy uruchomię EXAONE 3.5 2.4B na moim GPU?

Inne rozmiary EXAONE 3.5

EXAONE 3.5 2.4B — najczęściej zadawane pytania

How much VRAM does EXAONE 3.5 2.4B need?

About 2 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.

Does EXAONE 3.5 2.4B run on an RTX 4090 (24 GB)?

Yes. EXAONE 3.5 2.4B needs about 2 GB at Q4_K_M, inside a 24 GB card, at an estimated 218 tokens/sec.

How do I run EXAONE 3.5 2.4B locally?

Install Ollama and run `ollama run exaone3.5:2.4b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does EXAONE 3.5 come in?

EXAONE 3.5 2.4B (2 GB), EXAONE 3.5 7.8B (6 GB), EXAONE 3.5 32B (20 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.