Qwen2.5 72B Instruct (Q3_K_M) — 44.3 Gosur AMD Radeon 8060S 128GB

Code Multilingual Tool Calls

Q3_K_M AMD Radeon 8060S 128GB

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 Q3_K_M (niveau de qualité low), le modèle pèse 33.02 Go. Cela tient dans les 128 Go de VRAM de AMD Radeon 8060S 128GB, permettant une inférence entièrement sur GPU.

Configuration matérielle requise

Taille du modèle	33.02 GB
VRAM disponible	128 GB
VRAM utilisée	44.3 GB
RAM système
RAM min requise	0 GB
Couches GPU	80 / 80
Taille du contexte	32 768
Backend	vulkan
Flash attention	Oui
Lecture depuis le disque	Oui

Déploiement

Commande

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen2-5-72b-instruct/q3_k_m/amd-8060s-128gb.yaml) apply

Fichier `values.yaml`

/values/qwen2-5-72b-instruct/q3_k_m/amd-8060s-128gb.yaml

Chargement des valeurs…

Installer llama.cpp

Installez llama.cpp depuis les instructions de compilation officielles pour votre plateforme et backend.

Télécharger le modèle

curl -L -o qwen2-5-72b-instruct.gguf "https://huggingface.co/Qwen/Qwen2.5-72B-Instruct-GGUF/resolve/main/qwen2.5-72b-instruct-q3_k_m-00001-of-00009.gguf"

Démarrer le serveur

llama-server \
  -m qwen2-5-72b-instruct.gguf \
  --n-gpu-layers 80 \
  --ctx-size 32768 \
  --flash-attn

Vérifier

curl http://localhost:8080/health

Questions fréquemment posées

De combien de VRAM Qwen2.5 72B Instruct (Q3_K_M) a-t-il besoin ?

La quantification Q3_K_M de Qwen2.5 72B Instruct nécessite 33.02 Go. Les 80 couches tiennent dans les 128 Go de VRAM disponibles sur AMD Radeon 8060S 128GB, permettant une accélération GPU complète.

Puis-je exécuter Qwen2.5 72B Instruct sur AMD Radeon 8060S 128GB ?

Oui. AMD Radeon 8060S 128GB dispose de 128 Go de VRAM, ce qui suffit pour exécuter Qwen2.5 72B Instruct (Q3_K_M) avec toutes les couches sur le GPU pour des performances optimales.

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. Q3_K_M compresse Qwen2.5 72B Instruct de sa taille originale à 33.02 Go.

Quelle quantification choisir pour Qwen2.5 72B Instruct ?

Q3_K_M 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.

Qu'est-ce que le flash attention et pourquoi est-il activé ?

Flash attention est un algorithme efficace en mémoire qui accélère le mécanisme d'attention dans les modèles transformer. Il réduit l'utilisation de la VRAM pendant l'inférence en évitant la matérialisation de la matrice d'attention complète. Pour Qwen2.5 72B Instruct sur AMD Radeon 8060S 128GB, flash attention est activé pour maximiser la longueur de contexte et le débit dans les 128 Go de VRAM disponibles.

Comment exécuter Qwen2.5 72B Instruct (Q3_K_M) avec Ollama ?

Exécutez ollama run qwen2.5:72b-instruct-q3_k_m pour démarrer Qwen2.5 72B Instruct (Q3_K_M). Ollama télécharge automatiquement les poids du modèle au premier lancement.

Dernière mise à jour : 5 mars 2026