Aller au contenu
Run LLM Locally

Llama 2 7B sur une RX 9070 XT

Avec ses 16 Go de VRAM, la RX 9070 XT fait tourner Llama 2 7B en Q4_0 entièrement sur le GPU avec un contexte de 8K (environ 6,6 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Llama 2 7B

Q4_0 · 4K contexte

Excellent

Le contexte demandé (8 192 tokens) dépasse celui du modèle ; 4 096 tokens ont été utilisés.

Le modèle demande environ 6,6 Go et tient dans les 15,5 Go disponibles, avec 8,9 Go de marge.

Votre matériel
RX 9070 XT 16 Go · 64 Go RAM
Mémoire estimée
~6,6 Go estimation
VRAM (mémoire utilisable)
15,5 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
67–110 tok/s estimation
Plus grand contexte en mémoire rapide
4K tokens
Confiance : moyenne

Basé sur : même matériel · même modèle · même quantification · 18 benchmark(s) · ajusté à la longueur de contexte

Répartition de la mémoire

~6,6 Go (6,1 Go–7,1 Go) nécessaires · estimation

Tient entièrement en VRAM · 8,9 Go libres

  • Poids du modèle3,6 Go
  • Cache KV2 Go
  • Surcoût runtime0,6 Go
  • Marge de sécurité0,3 Go
Hypothèses: contexte 4K tokens · cache KV f16 · llama.cpp (ROCm) · flash attention activée · poids estimés à 4,64 bits par poids × 6,74 Md de paramètres (taille réelle du fichier pas encore importée)

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, GGUF header of TheBloke/Llama-2-7B-GGUF (llama-2-7b.Q4_0.gguf) + Hugging Face API (parameter count)

Les autres quantifications sur la RX 9070 XT

Llama 2 7B sur RX 9070 XT + 64 Go de RAM · contexte 8K
Llama 2 7B Q8_04K~9,8 Go · 34–72 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Llama 2 7B Q4_0 entièrement en VRAM

D'autres modèles adaptés à la RX 9070 XT

Où acheter une RX 9070 XT

Les prix et les liens suivent le marché choisi.

Radeon RX 9070 XT

16 Go GDDR6 · 640 Go/s · 304 W

ExcellentFait tourner Llama 2 7B Q4_0 entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La RX 9070 XT peut-elle faire tourner Llama 2 7B ?
Le contexte demandé (8 192 tokens) dépasse celui du modèle ; 4 096 tokens ont été utilisés. Le modèle demande environ 6,6 Go et tient dans les 15,5 Go disponibles, avec 8,9 Go de marge.
Quelle quantification choisir sur la RX 9070 XT ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~9,8 Go / 15,5 Go.
Quel est le plus grand contexte possible sur la RX 9070 XT ?
En Q4_0, environ 4K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne Llama 2 7B (RX 9070 XT) ?
Nous estimons 67–110 tok/s (estimation, confiance moyenne). Basé sur : même matériel, même modèle, même quantification, 18 benchmark(s), ajusté à la longueur de contexte.