Qwen3.5 4B (Q3_K_S)su CPU Only
Panoramica
Qwen3.5 4B è un modello linguistico dense da 4.66B parametri di Qwen, con capacità di code, multilingual, thinking, tool-calls, vision. Supporta una finestra di contesto fino a 262,144 token.
Qwen3.5 4B è un modello della famiglia Qwen 3.5 di Alibaba con architettura ibrida Gated Delta Networks e 4,66 miliardi di parametri, ampiamente considerato il punto ottimale dalla comunità per prestazioni per watt. È nativamente multimodale, elaborando testo, immagini e video, con capacità di ragionamento integrate per l'inferenza « chain-of-thought ». Il modello supporta una finestra di contesto da 262K e copre oltre 201 lingue, eguagliando quasi i modelli MoE da 80B della generazione precedente sui benchmark di codice. Rilasciato sotto licenza Apache 2.0, funziona con circa 3 GB di VRAM in Q4, offrendo un deployment self-hosted veloce e stabile su hardware consumer.
Con la quantizzazione Q3_K_S (livello di qualità low), il modello pesa 1.96 GB. Questo supera i 0 GB di VRAM di CPU Only. L'inferenza è comunque possibile tramite scaricamento su CPU o caricamento mappato in memoria dal disco, ma con prestazioni notevolmente ridotte.
Una configurazione solo CPU senza accelerazione GPU. L'inferenza viene eseguita interamente sulla CPU, il che e notevolmente piu lento rispetto alle configurazioni con GPU, ma non richiede hardware specializzato. Prestazioni e dimensione massima del modello dipendono dalla RAM disponibile. Adatta a test, sviluppo o deployment dove non e disponibile una GPU.
Requisiti Hardware
| Dimensione del modello | 1.96 GB |
| VRAM disponibile | 0 GB |
| VRAM utilizzata | 0 GB |
| RAM di sistema | |
| RAM min richiesta | 2 GB |
| Livelli GPU | 0 / 32 |
| Dimensione del contesto | 262.144 |
| Backend | cpu |
| Flash attention | No |
| Lettura da disco | Sì |
Note sulle prestazioni
Distribuzione
Comando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-4b/q3_k_s/cpu.yaml) applyFile values.yaml
/values/qwen3-5-4b/q3_k_s/cpu.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Qwen3.5 4B (Q3_K_S)?
La quantizzazione Q3_K_S di Qwen3.5 4B richiede 1.96 GB. I 0 GB di VRAM di CPU Only sono insufficienti per i livelli GPU, quindi l'inferenza viene eseguita sulla CPU.
Posso eseguire Qwen3.5 4B su CPU Only?
È possibile ma non consigliato. CPU Only non ha abbastanza VRAM per accelerare Qwen3.5 4B (Q3_K_S), quindi l'inferenza si baserà su CPU e RAM di sistema.
Cos'è la quantizzazione?
La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. Q3_K_S comprime Qwen3.5 4B dalla sua dimensione originale a 1.96 GB.
Quale quantizzazione scegliere per Qwen3.5 4B?
Q3_K_S è una quantizzazione di bassa qualità. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.
Perché alcuni livelli vengono scaricati sulla CPU?
CPU Only ha 0 GB di VRAM, ma Qwen3.5 4B (Q3_K_S) richiede circa 1.96 GB. Solo 0 dei 32 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.
Come eseguire Qwen3.5 4B (Q3_K_S) con Ollama?
Esegui ollama run qwen3.5:4b-q3_k_s per avviare Qwen3.5 4B (Q3_K_S). Ollama scarica automaticamente i pesi del modello al primo avvio.