🧠 語言模型Apache 2.0

Qwen2-72B

Qwen2 72B，128K 上下文，Apache 2.0 授權，上一代旗艦，Q4 約需 44 GB VRAM，需多 GPU 部署。

↻資料更新：2026年3月25日

VRAM 計算器

我的 GPU VRAM：

量化等級

上下文長度

Q4_K_M · 8K context

模型權重 + KV Cache + 0.5 GB overhead

49.0 GB

完整 VRAM 對照表（所有量化 × 上下文）

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

適合生產環境，支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve Qwen2 --dtype auto

參數量72B

最大上下文128K tokens

HF 下載量42K/月

頂級性能長上下文理解多語言能力指令遵循通用推理

vLLMllama.cppSGLang

分享你的使用體驗，幫助其他人了解這個模型

0/1000

還沒有評論，成為第一個分享心得的人！