SmolLM2 1.7B Instruct — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
The flagship SmolLM2 model. Shockingly capable for its size — runs in any browser via WebLLM or on any smartphone. Great for offline assistants, on-device privacy-preserving chat, and embedding AI in web apps.
SmolLM2 1.7B Instruct 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.
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. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 3 GB | ~247 tok/s | Mieści się | |
| Q3_K_M 3.41 bpw | 3.1 GB | ~234 tok/s | Mieści się | |
| Q4_K_M 4.83 bpw | 3.4 GB | ~214 tok/s | Mieści się | |
| Q5_K_M 5.67 bpw | 3.6 GB | ~203 tok/s | Mieści się | |
| Q6_K 6.56 bpw | 3.8 GB | ~194 tok/s | Mieści się | |
| Q8_0 8.50 bpw | 4.2 GB | ~175 tok/s | Mieści się | |
| F16 16.00 bpw | 5.8 GB | ~128 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 SmolLM2 1.7B Instruct →
Uruchom SmolLM2 1.7B Instruct
Najtańsze GPU z naszego katalogu, które uruchomi SmolLM2 1.7B Instruct, to Intel Arc B570 (10 GB).
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.
Jak uruchomić SmolLM2 1.7B Instruct
Zainstaluj Ollama, a potem uruchom:
ollama run smollm2:1.7bSpecyfikacja
Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.
- Parametry
- 1.7 Billion
- Okno kontekstu
- 8,192
- Architektura
- Dense
- Dostawca
- Hugging Face
- Licencja
- Apache 2.0
- Practical deployment
- Edge device (phone, SBC)
- Określono przy
- Q4_K_M
- RAM systemowy
- 4 GB
- Rekord zaktualizowany
- 2024-11-20
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.
Czy uruchomię SmolLM2 1.7B Instruct na moim GPU?
Inne rozmiary SmolLM2
SmolLM2 1.7B Instruct — najczęściej zadawane pytania
How much VRAM does SmolLM2 1.7B Instruct 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 SmolLM2 1.7B Instruct run on an RTX 4090 (24 GB)?
Yes. SmolLM2 1.7B Instruct needs about 2 GB at Q4_K_M, inside a 24 GB card, at an estimated 214 tokens/sec.
How do I run SmolLM2 1.7B Instruct locally?
Install Ollama and run `ollama run smollm2:1.7b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does SmolLM2 come in?
SmolLM2 1.7B Instruct (2 GB), SmolLM2 360M Instruct (1 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.