Cómo calcular si un LLM local cabe en la memoria de tu equipo

Antes de descargar un modelo para ejecutarlo en local, conviene estimar si cabe en la memoria disponible, sumando los pesos, la caché KV y el overhead. Los pesos dependen del número de parámetros y de la cuantización, y si no se reconoce esta última se debe asumir FP16 como opción pesimista. La caché KV crece linealmente con la longitud del contexto, por lo que un modelo puede caber con 4K tokens pero no con 32K. En GPU dedicadas el límite es la VRAM, mientras que en Apple Silicon solo puede usarse aproximadamente el 75 % de la memoria unificada. Por último, el ancho de banda de memoria dividido entre el tamaño del modelo marca un techo orientativo de la velocidad de generación.
This is an AI-generated summary. ShortSingh links to the original source for the complete article.

Discussion (0)
Log in to join the discussion and vote.
Log in