Clairic Flash 9B
9BCloudflare Clairic
Cloudflare 基于 Qwen3.5 9B 训练的小型 Clairic 权重,用于文本和图像结构化提取。官方 schema 辅助流程使用 Transformers 和 XGrammar。本条使用 Xylolabs 的 GGUF 语言权重及独立 BF16 投影,32 层中有 8 层主 KV 缓存随上下文增长。 未记录各档速度或困惑度损失。
262K
最大上下文
4
量化变体
GGUF Q8_0
最佳质量
—
困惑度增幅(最佳档位)
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 社区 = 公开报告
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q3_K_M | 4.191357399920642 | 5.0 GB | — | — | 估算 | |
| GGUF | Q4_K_M | 5.083922583716041 | 6.1 GB | — | — | 估算 | |
| GGUF | Q5_K_M | 5.810236102145387 | 6.9 GB | — | — | 估算 | |
| GGUF | Q8_0 | 8.517853147236629 | 10.1 GB | — | — | 估算 |
每个体积对应哪个文件
文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。
- GGUF Q3_K_MXylolabs/clairic-flash-GGUF · clairic-flash-Q3_K_M.gguf · 4.69 GB (4,691,073,696 字节) · 另需视觉投影 0.92 GB · 2026-11-21 核对
- GGUF Q4_K_MXylolabs/clairic-flash-GGUF · clairic-flash-Q4_K_M.gguf · 5.69 GB (5,690,055,328 字节) · 另需视觉投影 0.92 GB · 2026-11-21 核对
- GGUF Q5_K_MXylolabs/clairic-flash-GGUF · clairic-flash-Q5_K_M.gguf · 6.50 GB (6,502,963,872 字节) · 另需视觉投影 0.92 GB · 2026-11-21 核对
- GGUF Q8_0Xylolabs/clairic-flash-GGUF · clairic-flash-Q8_0.gguf · 9.53 GB (9,533,397,664 字节) · 另需视觉投影 0.92 GB · 2026-11-21 核对
相关社区实测
以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。
我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。
在 llamaPerf 浏览更多实测 ↗相似模型
与 Clairic 27B 对比Clairic 27B
Cloudflare Clairic
Cloudflare 基于 Qwen3.8 27B 训练,从文本和图像生成带类型的结构化输出。官方 schema 辅助流程使用 Transformers 和 XGrammar。本条记录 Xylolabs 的 GGUF 语言权重和独立 BF16 投影文件,主 KV 缓存按其中 16 层估算。 未记录各档速度或困惑度损失。
Llama 3.2 11B Vision Instruct
Meta Llama 3.2
多模态 Llama,支持图像理解。视觉编码器额外增加约 2GB 显存开销。
Gemma 3 12B IT
Google Gemma 3
中型 Gemma 3 视觉模型,Q4 可装入 16GB,多语言对话表现优秀。
Qwen3-VL 8B Instruct
Alibaba Qwen3-VL
当代视觉语言模型,Q4 约 5.9GB,单张 8–12GB 卡仍可跑。没有 24GB 显卡的人做多模态的现实选择 —— 注意视觉编码器会额外占用显存,下方 KV cache 计算并未包含这部分。
在本地运行 Clairic Flash 9B
在 Q4_K_M、4K 上下文下,Clairic Flash 9B 约需 6.1 GB —— 权重 5.4 GB、KV 缓存 0.13 GB、激活缓冲 0.6 GB。本索引中能宽裕跑它的最小规格是 8 GB 显卡 —— 共 21 张,RTX 4060 起步;105 张卡中有 98 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 0.87 GB,总量来到 7.0 GB。这比参数量给人的印象要温和:32 层中只有 8 层的 KV 缓存会随上下文增长,因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 256K;在 Q4_K_M 下把它全部撑满约需 15 GB。
该下载哪个版本
本索引只收录了 Clairic Flash 9B 的 GGUF 格式,共 4 个档位(Q3_K_M、Q4_K_M、Q5_K_M、Q8_0)。 该模型没有公开的逐档困惑度数据,因此质量一列留空而不是填估算值 —— 在同一个模型内部,位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。
常见问题
- Clairic Flash 9B 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 6.1 GB,到 32K 时约 7.0 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
- Clairic Flash 9B 能在 8GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 6.1 GB,在 RTX 4060 上还剩 1.9 GB,本索引中 21 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格;105 张中有 98 张可以。
- Clairic Flash 9B 该用哪个量化档位?
- 该模型没有公开的质量对比数据,所以按体积来选:Q4_K_M 是多数人使用的档位,bits-per-weight 越高越忠实。索引中的 4 个档位是 Q3_K_M、Q4_K_M、Q5_K_M、Q8_0。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。
此模型的显卡组合
- RTX 5090
- RTX 5080
- RTX 5070 Ti
- RTX 5070
- RTX 5060 Ti 16G
- RTX 5060 Ti 8G
- RTX 5060
- RTX 4090
- RTX 4080 Super
- RTX 4070 Ti Super
- RTX 4070 Ti
- RTX 4070 Super
- RTX 4070
- RTX 4060 Ti 16G
- RTX 4060 Ti 8G
- RTX 4060
- RTX 3090
- RTX 3080 Ti
- RTX 3080 12G
- RTX 3080 10G
- RTX 3070 Ti
- RTX 3070
- RTX 3060 12G
- A100 40G
- Tesla P100 16G
- Tesla P40 24G
- Mac M5 32G
- Mac M4 Max 36G
- Mac M4 Pro 48G
- Mac M4 Pro 24G
- Mac M3 Max 48G
- Mac M3 Pro 36G
- Mac M3 Pro 18G
- Mac M3 16G
- Mac M3 8G
- Mac M4 24G
- Mac M4 16G
- Mac M2 16G
- Mac M1 16G
- Mac M1 8G
- Radeon RX 9070 XT
- Radeon RX 9070
- Radeon RX 9060 XT 16G
- Radeon RX 9060 XT 8G
- Radeon RX 7900 XTX
- Radeon RX 7900 XT
- Radeon RX 7900 GRE
- Radeon RX 7800 XT
- Radeon RX 7700 XT
- Radeon RX 7600 XT
- Radeon RX 6900 XT
- Radeon RX 6800 XT
- Radeon RX 6700 XT
- Radeon AI PRO R9700 32G
- Instinct MI100 32G
- Arc B580 12G
- Arc B570 10G
- Arc A770 16G
- Arc A750 8G
- Arc Pro B70 32G
- Radeon RX 7800M
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-22 RSS → /zh/feed.xml