InternLM2 20B Chat
20BShanghai AI Lab
⚠ 已过时 · 建议改用 GPT-OSS 20B
本索引现在会建议改用 GPT-OSS 20B——上下文更长(32K → 128K)。下面的数字依然准确,只是这已经不是一个值得从它开始的型号了。 对比两者 →
中型 InternLM2,中文理解出色,Q4 量化可装入 24GB 显存。
33K
最大上下文
2
量化变体
GGUF Q5_K_M
最佳质量
+1.4%
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
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 Q4_K_M按计算器这一档位的通用比特率估算,没有核对具体文件。
- GGUF Q5_K_M按计算器这一档位的通用比特率估算,没有核对具体文件。
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 ↗InternLM2 7B Chat
Shanghai AI Lab
上海 AI Lab 强力中英双语 7B,性能与 Qwen 7B 相当。
Qwen2.5 32B Instruct
Alibaba Qwen2.5
24GB 显存单卡可运行 Q4_K_S,推理能力接近 GPT-4,性价比极高。
Mistral Small 24B Instruct
Mistral AI
Mistral 高效 24B 模型,多语言能力强,Q4 量化可装入 24GB 显存。
Yi 1.5 34B Chat
01.AI Yi
01.AI 强力中英双语模型,性能与 Qwen 32B 相当。
在本地运行 InternLM2 20B Chat
在 Q4_K_M、4K 上下文下,InternLM2 20B Chat 约需 13.4 GB —— 权重 11.5 GB、KV 缓存 0.75 GB、激活缓冲 1.2 GB。本索引中能宽裕跑它的最小规格是 16 GB 显卡 —— 共 21 张,RTX 4060 Ti 16G 起步;105 张卡中有 56 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 5.25 GB,总量来到 19.2 GB。权重不随上下文变化,只有 KV 缓存会,而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 32K;在 Q4_K_M 下把它全部撑满约需 19 GB。
该下载哪个版本
本索引只收录了 InternLM2 20B Chat 的 GGUF 格式,共 2 个档位(Q4_K_M、Q5_K_M)。 其中 Q5_K_M 的公开困惑度损失最低,为 1.4%。列出的最快档位是 Q4_K_M,在 RTX 4090、batch 1 下约 78 tok/s —— 这是估算值,不是本站硬件上的实测。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
- InternLM2 20B Chat 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 13.4 GB,到 32K 时约 19.2 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。
- InternLM2 20B Chat 能在 16GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 13.4 GB,在 RTX 4060 Ti 16G 上还剩 2.6 GB,本索引中 21 张 16 GB 显卡都一样。这是能宽裕跑它的最小规格;105 张中有 56 张可以。
- InternLM2 20B Chat 该用哪个量化档位?
- Q5_K_M 的公开质量损失最低(1.4%),而 Q4_K_M 是多数人使用的档位。索引中的 2 个档位是 Q4_K_M、Q5_K_M。
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
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