Qwen2.5 72B Instruct (Q2_K)sur CPU Only
Aperçu
Qwen2.5 72B Instruct est un modèle de langage dense de 72.71B paramètres par Qwen, avec des capacités en code, multilingual, tool-calls. Il prend en charge une fenêtre de contexte allant jusqu’à 32,768 tokens.
Qwen2.5 72B Instruct est un transformeur dense de 72,71 milliards de parametres de l'equipe Qwen d'Alibaba, affine pour le suivi d'instructions, la generation de code et les taches multilingues. Il rivalise avec les autres modeles instruct de 70B de premier plan tout en prenant en charge 14 langues dont l'anglais, le chinois, l'arabe et le japonais. Le modele offre le "tool calling" natif et des capacites de sortie structuree. Avec une fenetre de contexte de 32K et le "grouped-query attention", il se quantifie efficacement pour une inference auto-hebergee sur des configurations GPU haut de gamme grand public ou serveur.
Avec la quantification Q2_K (niveau de qualité low), le modèle pèse 25.45 Go. Cela dépasse les 0 Go de VRAM de CPU Only. L'inférence reste possible via le déchargement CPU ou le chargement mappé en mémoire depuis le disque, mais avec des performances considérablement réduites.
Une configuration CPU uniquement sans acceleration GPU. L'inference s'execute entierement sur le CPU, ce qui est nettement plus lent que les configurations avec GPU, mais ne necessite aucun materiel specialise. Les performances et la taille maximale du modele dependent de la RAM disponible. Adaptee aux tests, au developpement ou aux deployments sans GPU disponible.
Configuration matérielle requise
| Taille du modèle | 25.45 GB |
| VRAM disponible | 0 GB |
| VRAM utilisée | 0 GB |
| RAM système | |
| RAM min requise | 25.5 GB |
| Couches GPU | 0 / 80 |
| Taille du contexte | 32 768 |
| Backend | cpu |
| Flash attention | Non |
| Lecture depuis le disque | Oui |
Notes de performance
Déploiement
Commande
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen2-5-72b-instruct/q2_k/cpu.yaml) applyFichier values.yaml
/values/qwen2-5-72b-instruct/q2_k/cpu.yaml
Chargement des valeurs…Questions fréquemment posées
De combien de VRAM Qwen2.5 72B Instruct (Q2_K) a-t-il besoin ?
La quantification Q2_K de Qwen2.5 72B Instruct nécessite 25.45 Go. Les 0 Go de VRAM de CPU Only sont insuffisants pour les couches GPU, l'inférence s'exécute donc sur le CPU.
Puis-je exécuter Qwen2.5 72B Instruct sur CPU Only ?
C'est possible mais non recommandé. CPU Only n'a pas assez de VRAM pour accélérer Qwen2.5 72B Instruct (Q2_K), l'inférence reposera donc sur le CPU et la RAM système.
Qu'est-ce que la quantification ?
La quantification réduit la précision numérique d'un modèle de son format virgule flottante original vers une représentation plus compacte. Cela réduit la taille du fichier et l'empreinte VRAM, rendant possible l'exécution de grands modèles sur du matériel grand public. Le compromis est une légère réduction de la qualité de sortie. Q2_K compresse Qwen2.5 72B Instruct de sa taille originale à 25.45 Go.
Quelle quantification choisir pour Qwen2.5 72B Instruct ?
Q2_K est une quantification basse qualité. Les quants de meilleure qualité (Q8, Q6) préservent davantage la précision du modèle mais nécessitent plus de VRAM. Les quants inférieurs (Q4, Q3, Q2) réduisent l'utilisation de la VRAM au prix d'une certaine qualité. Choisissez en fonction de votre matériel disponible et de vos exigences de qualité.
Pourquoi certaines couches sont-elles déchargées sur le CPU ?
CPU Only dispose de 0 Go de VRAM, mais Qwen2.5 72B Instruct (Q2_K) nécessite environ 25.45 Go. Seules 0 des 80 couches tiennent dans la VRAM ; les couches restantes s'exécutent sur le CPU, ce qui est plus lent mais fonctionnel.
Comment exécuter Qwen2.5 72B Instruct (Q2_K) avec Ollama ?
Exécutez ollama run qwen2.5:72b-instruct-q2_k pour démarrer Qwen2.5 72B Instruct (Q2_K). Ollama télécharge automatiquement les poids du modèle au premier lancement.