Qwen3.5 0.8B (Q4_K_M)auf CPU Only
Überblick
Qwen3.5 0.8B ist ein 0.87B-Parameter dense-Sprachmodell von Qwen, mit Fähigkeiten in code, multilingual, thinking, tool-calls, vision. Es unterstützt ein Kontextfenster von bis zu 262,144 Tokens.
Qwen3.5 0.8B ist das kleinste Modell in Alibabas Qwen-3.5-Familie mit Gated-Delta-Networks-Hybridarchitektur und 0,87 Milliarden Parametern, speziell entwickelt für Smartphones, Edge-Geräte und extrem ressourcenbeschränkte Umgebungen. Es ist nativ multimodal und verarbeitet Text, Bilder und Video, mit integrierten Denkfähigkeiten für Chain-of-Thought-Schlussfolgern. Das Modell unterstützt ein 262K-Kontextfenster und deckt über 201 Sprachen ab. Unter der Apache-2.0-Lizenz veröffentlicht, lässt es sich auf unter 1 GB VRAM bei Q4 quantisieren und eignet sich ideal für Klassifikation und einfache Aufgaben im selbstgehosteten Deployment.
Bei Q4_K_M-Quantisierung (Qualitätsstufe medium) wiegt das Modell 0.5 GB. Das übersteigt die 0 GB VRAM von CPU Only. Inferenz ist dennoch über CPU-Offload oder speicherabgebildetes Laden von der Festplatte möglich, allerdings mit deutlich reduzierter Leistung.
Eine reine CPU-Konfiguration ohne GPU-Beschleunigung. Die Inferenz laeuft vollstaendig auf der CPU, was erheblich langsamer ist als GPU-beschleunigte Setups, aber keine Spezialhardware erfordert. Leistung und maximale Modellgroesse haengen vom verfuegbaren Arbeitsspeicher ab. Geeignet fuer Tests, Entwicklung oder Deployments ohne verfuegbare GPU.
Hardwareanforderungen
| Modellgröße | 0.5 GB |
| Verfügbarer VRAM | 0 GB |
| Genutzter VRAM | 0 GB |
| System-RAM | |
| Min. RAM benötigt | 0.5 GB |
| GPU-Ebenen | 0 / 24 |
| Kontextgröße | 262.144 |
| Backend | cpu |
| Flash Attention | Nein |
| Lesen von Festplatte | Ja |
Leistungshinweise
Bereitstellung
Befehl
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-0-8b/q4_k_m/cpu.yaml) applyGenerierte values.yaml
/values/qwen3-5-0-8b/q4_k_m/cpu.yaml
Werte werden geladen…Häufig gestellte Fragen
Wie viel VRAM benötigt Qwen3.5 0.8B (Q4_K_M)?
Die Q4_K_M-Quantisierung von Qwen3.5 0.8B benötigt 0.5 GB. Die 0 GB VRAM von CPU Only reichen nicht für GPU-Schichten aus, daher läuft die Inferenz auf der CPU.
Kann ich Qwen3.5 0.8B auf CPU Only ausführen?
Es ist möglich, aber nicht empfohlen. CPU Only hat nicht genug VRAM, um Qwen3.5 0.8B (Q4_K_M) zu beschleunigen, daher wird die Inferenz auf CPU und System-RAM zurückgreifen.
Was ist Quantisierung?
Quantisierung reduziert die numerische Präzision eines Modells von seinem ursprünglichen Gleitkommaformat auf eine kompaktere Darstellung. Dies verringert die Dateigröße und den VRAM-Bedarf, wodurch es möglich wird, große Modelle auf Consumer-Hardware auszuführen. Der Kompromiss ist eine geringe Verringerung der Ausgabequalität. Q4_K_M komprimiert Qwen3.5 0.8B von seiner ursprünglichen Größe auf 0.5 GB.
Welche Quantisierung sollte ich für Qwen3.5 0.8B wählen?
Q4_K_M ist eine mittelwertige Quantisierung. Hochwertigere Quants (Q8, Q6) bewahren mehr Modellgenauigkeit, benötigen aber mehr VRAM. Niedrigere Quants (Q4, Q3, Q2) reduzieren den VRAM-Verbrauch auf Kosten der Qualität. Wählen Sie basierend auf Ihrer verfügbaren Hardware und Ihren Qualitätsanforderungen.
Warum werden einige Schichten auf die CPU ausgelagert?
CPU Only hat 0 GB VRAM, aber Qwen3.5 0.8B (Q4_K_M) benötigt ungefähr 0.5 GB. Nur 0 von 24 Schichten passen in den VRAM; die übrigen Schichten laufen auf der CPU, was langsamer, aber funktional ist.
Wie führe ich Qwen3.5 0.8B (Q4_K_M) mit Ollama aus?
Führen Sie ollama run qwen3.5:0.8b-q4_k_m aus, um Qwen3.5 0.8B (Q4_K_M) zu starten. Ollama lädt die Modellgewichte beim ersten Start automatisch herunter.