OLMo 2 7B Instruct

在本地运行 OLMo 2 7B Instruct

在 Q4_K_M、4K 上下文下，OLMo 2 7B Instruct 约需 6.8 GB —— 权重 4.2 GB、KV 缓存 2.00 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 9 张，RTX 4060 起步；76 张卡中有 74 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 14.00 GB，总量来到 22.2 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 4K；在 Q4_K_M 下把它全部撑满约需 7 GB。

该下载哪个版本

本索引只收录了 OLMo 2 7B Instruct 的 GGUF 格式，共 2 个档位（Q4_K_M、Q8_0）。 其中 Q8_0 的公开困惑度损失最低，为 0.3%。列出的最快档位是 Q4_K_M，在 RTX 4090、batch 1 下约 150 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

OLMo 2 7B Instruct 需要多少显存？

在 Q4_K_M、4K 上下文、batch 1 下约 6.8 GB，到 32K 时约 22.2 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。

OLMo 2 7B Instruct 能在 8GB 显卡上跑吗？

可以 —— 在 Q4_K_M、4K 上下文下约需 6.8 GB，在 RTX 4060 上还剩 1.2 GB，本索引中 9 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格；76 张中有 74 张可以。

OLMo 2 7B Instruct 该用哪个量化档位？

Q8_0 的公开质量损失最低（0.3%），而 Q4_K_M 是多数人实际使用的档位。索引中的 2 个档位是 Q4_K_M、Q8_0。