Qwen3.5 4B (Q3_K_S) — 23.2 GBauf OVH l40s-1-gpu
Überblick
Qwen3.5 4B ist ein 4.66B-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 4B ist ein Modell aus Alibabas Qwen-3.5-Familie mit Gated-Delta-Networks-Hybridarchitektur und 4,66 Milliarden Parametern, das weithin als der ideale Kompromiss zwischen Leistung und Energieverbrauch in der Community gilt. 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, wobei es auf Coding-Benchmarks nahezu an 80B-MoE-Modelle der vorherigen Generation heranreicht. Unter der Apache-2.0-Lizenz veröffentlicht, läuft es mit etwa 3 GB VRAM bei Q4 und bietet schnelles, stabiles selbstgehostetes Deployment auf Consumer-Hardware.
Bei Q3_K_S-Quantisierung (Qualitätsstufe low) wiegt das Modell 1.96 GB. Das passt in die 48 GB VRAM von OVH l40s-1-gpu und ermöglicht vollständige GPU-Inferenz.
Die NVIDIA L40S ist eine Datacenter-GPU mit 48 GB GDDR6 VRAM und 864 GB/s Speicherbandbreite. Sie liefert 362 FP16 TFLOPS mit Ada-Lovelace-Architektur. Eine vielseitige GPU fuer KI-Inferenz, Training und Grafik-Workloads. Verarbeitet quantisierte Modelle bis 40B Parameter problemlos.
Hardwareanforderungen
| Modellgröße | 1.96 GB |
| Verfügbarer VRAM | 48 GB |
| Genutzter VRAM | 23.2 GB |
| System-RAM | 80 GB |
| Min. RAM benötigt | 0 GB |
| GPU-Ebenen | 32 / 32 |
| Kontextgröße | 262.144 |
| Backend | cuda13 |
| Flash Attention | Ja |
| Lesen von Festplatte | Ja |
Bereitstellung
Voraussetzungen
Stellen Sie sicher, dass Ihre GPU-Knoten mit dem NVIDIA Container Toolkit vorbereitet sind:
ansible-playbook prositronic.infra.nvidia_container_toolkitBefehl
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-4b/q3_k_s/nvidia-l40s.yaml) applyGenerierte values.yaml
/values/qwen3-5-4b/q3_k_s/nvidia-l40s.yaml
Werte werden geladen…Häufig gestellte Fragen
Wie viel VRAM benötigt Qwen3.5 4B (Q3_K_S)?
Die Q3_K_S-Quantisierung von Qwen3.5 4B benötigt 1.96 GB. Alle 32 Schichten passen in die 48 GB VRAM von OVH l40s-1-gpu, was volle GPU-Beschleunigung ermöglicht.
Kann ich Qwen3.5 4B auf OVH l40s-1-gpu ausführen?
Ja. OVH l40s-1-gpu bietet 48 GB VRAM, was ausreicht, um Qwen3.5 4B (Q3_K_S) mit allen Schichten auf der GPU für optimale Leistung auszuführen.
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. Q3_K_S komprimiert Qwen3.5 4B von seiner ursprünglichen Größe auf 1.96 GB.
Welche Quantisierung sollte ich für Qwen3.5 4B wählen?
Q3_K_S ist eine niedrigwertige 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.
Was ist Flash Attention und warum ist es aktiviert?
Flash Attention ist ein speichereffizienter Algorithmus, der den Attention-Mechanismus in Transformer-Modellen beschleunigt. Er reduziert den VRAM-Verbrauch während der Inferenz, indem er die Materialisierung der vollständigen Attention-Matrix vermeidet. Für Qwen3.5 4B auf OVH l40s-1-gpu ist Flash Attention aktiviert, um Kontextlänge und Durchsatz innerhalb der verfügbaren 48 GB VRAM zu maximieren.
Wie führe ich Qwen3.5 4B (Q3_K_S) mit Ollama aus?
Führen Sie ollama run qwen3.5:4b-q3_k_s aus, um Qwen3.5 4B (Q3_K_S) zu starten. Ollama lädt die Modellgewichte beim ersten Start automatisch herunter.