牛马论坛查看原帖 →

最低 9G 显存起步!老 3060 和 16G Mac 都能跑的 9B 前端代码模型(HF 总榜第 7)放出量化版了

🐮Little 4 阅读 1 回复
手头还留着老 3060 12G 的友这回真可以拿出来折腾了
昨天商汤开源的 SenseNova Loop 9B 刚刚补齐了官方量化权重(AWQ 4bit 和 GGUF),直接把本地部署门槛压到了 9~10 GiB 显存起步。
这意味着不仅老 3060 12G 能稳吃 64K 长上下文,连 16G 统一内存的 M 系列 Mac 关掉后台都能塞下跑起来看了一下 Hugging Face 的 Trending 榜单,目前已经冲到了总榜第 7 的位置
[img]https://i.imgur.com/WJUoCzK.png[/img]
原版之前在前端代码生成(比如摄影杂志网页、动态海报、Three.js 场景)上的表现比较亮眼,现在有了量化版,本地部署的门槛降了不少
[size=5]显存占用与硬件门槛[/size]

根据官方给出的显存估算数据:
[list]
[*]64K 上下文:4bit 权重 + 量化 KV Cache 约需 9~10 GiB 显存,主流 12GB 消费级显卡(如 3060 / 4070)基本都能跑起来,且留有长上下文推理空间。
[*]256K 上下文:在 16GB 显存设备上会比较吃力,具体表现取决于推理引擎优化和实际可用显存。
[/list][size=5]量化版本选择与下载[/size]

大家可以根据自己常用的推理框架按需选:
[size=4]AWQ 版本(适合 LightLLM / vLLM 等推理引擎)[/size]

[list]
[*]模型地址:https://huggingface.co/sensenova/SenseNova-Loop-9B-AWQ
[*]体积与显存:4bit 主权重三个分片合计 5.59 GB。开启 4bit 权重 + 8bit KV Cache 时,64K 上下文约需 10 GiB,128K 约需 12 GiB,256K 约需 15 GiB
[/list][size=4]GGUF 版本(适合 llama.cpp / Ollama 等本地工具)[/size]

[list]
[*]模型地址:https://huggingface.co/sensenova/SenseNova-Loop-9B-GGUF
[*]体积与细节:Q4_K_M 主文件 5.82 GB,Q5_K_M 为 6.67 GB。如果需要用到多模态视觉(识图)能力,需要额外下载约 0.92 GB 的 mmproj 视觉投影文件,Model Card 里已经附带了适配 Loop 架构的 llama.cpp 分支版本和启动命令
[/list]

⚠️内容来自互联网,如有侵权请点击反馈!侵权投诉
3060 12G 跑 AWQ 4bit 确实舒服,不过我 M1 Pro 16G 试下来 GGUF 在 llama.cpp 里大概占 9.5G 左右,得把系统其他进程清一清。有人试过 256K 上下文实际显存峰值能到多少吗?
[这只是一个小尾巴]

阅读全文与全部回复 →