Qwen3.5 4B (Q3_K_XL) — 23.6 GBsu Scaleway H100-1-80G
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_XL (livello di qualità low), il modello pesa 2.27 GB. Questo rientra nei 80 GB di VRAM di Scaleway H100-1-80G, consentendo l'inferenza completa su GPU.
La NVIDIA H100 80 GB e una GPU datacenter con 80 GB di HBM3 VRAM e 3350 GB/s di larghezza di banda della memoria. Offre 1979 FP16 TFLOPS sull'architettura Hopper, rendendola l'opzione GPU singola piu veloce per l'inferenza di grandi modelli linguistici. Gestisce modelli fino a 70B parametri con elevato throughput. Progettata per team datacenter che eseguono carichi di lavoro IA impegnativi in produzione.
Requisiti Hardware
| Dimensione del modello | 2.27 GB |
| VRAM disponibile | 80 GB |
| VRAM utilizzata | 23.6 GB |
| RAM di sistema | 240 GB |
| 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_xl/nvidia-h100-80gb.yaml) applyFile values.yaml
/values/qwen3-5-4b/q3_k_xl/nvidia-h100-80gb.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Qwen3.5 4B (Q3_K_XL)?
La quantizzazione Q3_K_XL di Qwen3.5 4B richiede 2.27 GB. Tutti i 32 livelli entrano nei 80 GB di VRAM disponibili su Scaleway H100-1-80G, consentendo un'accelerazione GPU completa.
Posso eseguire Qwen3.5 4B su Scaleway H100-1-80G?
Sì. Scaleway H100-1-80G offre 80 GB di VRAM, sufficienti per eseguire Qwen3.5 4B (Q3_K_XL) 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_XL comprime Qwen3.5 4B dalla sua dimensione originale a 2.27 GB.
Quale quantizzazione scegliere per Qwen3.5 4B?
Q3_K_XL 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 Scaleway H100-1-80G, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 80 GB di VRAM disponibili.
Come eseguire Qwen3.5 4B (Q3_K_XL) con Ollama?
Esegui ollama run qwen3.5:4b-q3_k_xl per avviare Qwen3.5 4B (Q3_K_XL). Ollama scarica automaticamente i pesi del modello al primo avvio.