Qwen3.5 2B (Q3_K_M)sur CPU Only
Aperçu
Qwen3.5 2B est un modèle de langage dense de 2.27B paramètres par Qwen, avec des capacités en code, multilingual, thinking, tool-calls, vision. Il prend en charge une fenêtre de contexte allant jusqu’à 262,144 tokens.
Qwen3.5 2B est un modèle léger de la famille Qwen 3.5 d'Alibaba à architecture hybride Gated Delta Networks avec 2,27 milliards de paramètres, équilibrant capacité et efficacité pour le déploiement edge. Il est nativement multimodal, traitant texte, images et vidéo, avec des capacités de réflexion intégrées pour le raisonnement « chain-of-thought ». Le modèle prend en charge une fenêtre de contexte de 262K et couvre plus de 201 langues, gérant la génération de code et les tâches multilingues avec aisance. Publié sous licence Apache 2.0, il fonctionne avec environ 2 Go de VRAM en Q4, ce qui le rend pratique pour un déploiement auto-hébergé sur du matériel modeste.
Avec la quantification Q3_K_M (niveau de qualité low), le modèle pèse 1.03 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 | 1.03 GB |
| VRAM disponible | 0 GB |
| VRAM utilisée | 0 GB |
| RAM système | |
| RAM min requise | 1 GB |
| Couches GPU | 0 / 24 |
| Taille du contexte | 262 144 |
| 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/qwen3-5-2b/q3_k_m/cpu.yaml) applyFichier values.yaml
/values/qwen3-5-2b/q3_k_m/cpu.yaml
Chargement des valeurs…Questions fréquemment posées
De combien de VRAM Qwen3.5 2B (Q3_K_M) a-t-il besoin ?
La quantification Q3_K_M de Qwen3.5 2B nécessite 1.03 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 Qwen3.5 2B sur CPU Only ?
C'est possible mais non recommandé. CPU Only n'a pas assez de VRAM pour accélérer Qwen3.5 2B (Q3_K_M), 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. Q3_K_M compresse Qwen3.5 2B de sa taille originale à 1.03 Go.
Quelle quantification choisir pour Qwen3.5 2B ?
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.
Pourquoi certaines couches sont-elles déchargées sur le CPU ?
CPU Only dispose de 0 Go de VRAM, mais Qwen3.5 2B (Q3_K_M) nécessite environ 1.03 Go. Seules 0 des 24 couches tiennent dans la VRAM ; les couches restantes s'exécutent sur le CPU, ce qui est plus lent mais fonctionnel.
Comment exécuter Qwen3.5 2B (Q3_K_M) avec Ollama ?
Exécutez ollama run qwen3.5:2b-q3_k_m pour démarrer Qwen3.5 2B (Q3_K_M). Ollama télécharge automatiquement les poids du modèle au premier lancement.