Qwen3.5 4B (Q3_K_S) — 23.2 GBsu NVIDIA RTX 3090
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 rientra nei 24 GB di VRAM di NVIDIA RTX 3090, consentendo l'inferenza completa su GPU.
La NVIDIA GeForce RTX 3090 e una GPU consumer con 24 GB di GDDR6X VRAM e 936 GB/s di larghezza di banda della memoria. Offre 35.6 FP16 TFLOPS, garantendo prestazioni solide per l'inferenza LLM locale a un costo inferiore rispetto alle schede piu recenti. Esegue bene modelli quantizzati fino a 20B parametri. Una scelta pratica per sviluppatori attenti al budget e appassionati di home lab.
Requisiti Hardware
| Dimensione del modello | 1.96 GB |
| VRAM disponibile | 24 GB |
| VRAM utilizzata | 23.2 GB |
| RAM di sistema | |
| RAM min richiesta | 0 GB |
| Livelli GPU | 32 / 32 |
| Dimensione del contesto | 262.144 |
| Backend | cuda13 |
| Flash attention | Sì |
| Lettura da disco | Sì |
Distribuzione
Prerequisiti
Assicurati che i nodi GPU siano preparati con il NVIDIA container toolkit:
ansible-playbook prositronic.infra.nvidia_container_toolkitComando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/qwen3-5-4b/q3_k_s/nvidia-rtx3090.yaml) applyFile values.yaml
/values/qwen3-5-4b/q3_k_s/nvidia-rtx3090.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. Tutti i 32 livelli entrano nei 24 GB di VRAM disponibili su NVIDIA RTX 3090, consentendo un'accelerazione GPU completa.
Posso eseguire Qwen3.5 4B su NVIDIA RTX 3090?
Sì. NVIDIA RTX 3090 offre 24 GB di VRAM, sufficienti per eseguire Qwen3.5 4B (Q3_K_S) con tutti i livelli sulla GPU per prestazioni ottimali.
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.
Cos'è il flash attention e perché è attivato?
Flash attention è un algoritmo efficiente in memoria che accelera il meccanismo di attenzione nei modelli transformer. Riduce l'uso di VRAM durante l'inferenza evitando la materializzazione della matrice di attenzione completa. Per Qwen3.5 4B su NVIDIA RTX 3090, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 24 GB di VRAM disponibili.
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.