WeMM Video 35BA3B

语言 Tencent 部分核实
  • 输入 输入模态: 文本图像
  • 工具调用
  • 开放权重

价格

0 个渠道报价 · 按标价显示

这个模型暂无标价渠道。

详细规格

许可证
apache-2.0
模型家族
wemm-video

本地运行

权重: tencent/WeMM-Video-35BA3B
  • 参数 36.2B
  • 激活 3B · 专家 256(每 token 8)
  • 原生精度 BF16
  • 层数 40
  • 每 token 的 KV 缓存 20 KB
  • 配置位置数 256K (config.json max_position_embeddings)
我的配置 GeForce RTX 4090 24 GB · 1008 GB/s · 内存 64 GB DDR5 双通道 · 89.6 GB/s
在你的配置上 · GeForce RTX 4090
流畅 IQ4_XS (自动) 8K 上下文 286–429 tok/s单卡
权重KV 缓存运行开销可用上限
需要
≈ 19.0 GB (权重 17.9 + KV 缓存 0.2 + 开销 0.9)
可用
21.6 GB (标称的 90%)
生成速度
286–429 tok/s (每 token 读激活的 3B)
最长上下文
143K (再长就放不下)
首 token
2K 提示约 0.10–0.15 秒
推荐精度权重8K 需要在你的配置上最长上下文
原生 BF1667.4 GB≈ 70.9需放到内存 10–15 tok/s—
Q8_035.8 GB≈ 37.7需放到内存 34–51 tok/s—
FP833.7 GB≈ 35.5需放到内存 36–54 tok/s—
Q6_K27.7 GB≈ 29.2需放到内存 50–75 tok/s—
Q5_K_M24.0 GB≈ 25.3需放到内存 85–127 tok/s—
Q5_023.2 GB≈ 24.5需放到内存 107–161 tok/s—
Q4_K_M20.5 GB≈ 21.6需放到内存 220–330 tok/s—
Q4_019.0 GB≈ 20.1流畅 272–407 tok/s87K
IQ4_XS17.9 GB≈ 19.0流畅 286–429 tok/s143K
Q3_K_M质量下降明显16.5 GB≈ 17.4流畅 308–463 tok/s220K
IQ3_XXS质量下降明显12.9 GB≈ 13.7流畅 383–575 tok/s256K
Q2_K质量下降明显12.6 GB≈ 13.4流畅 390–585 tok/s256K
IQ2_XXS质量下降明显8.7 GB≈ 9.3流畅 536–804 tok/s256K

点一行换精度。“官方”是厂商自己发布的文件,大小是实际值;其余按参数量 × 每权重位数估算。

和其他配置比

每个配置各用它能跑的最高精度,点一个看细节。

最低需要(Q4_K_M · 8K):显卡 GeForce RTX 5090;统一内存 Apple M5 Max (32-core GPU) · 36 GB。

运行命令

厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本,或用 llama.cpp 自己量化。

微调需要多少显存
全参≈ 541.9 GB你的配置放不下
LoRA≈ 70.4 GB你的配置放不下
QLoRA≈ 22.0 GB你的配置放不下

batch 1、序列 2048、梯度检查点;LoRA / QLoRA 为注意力投影上的 r=16 适配器。

估算;数据来自厂商的 Hugging Face 仓库,截至 2026-11-21。 怎么估算的

引用评分

来自第三方排行榜,并非我们测得

这个模型还没有出现在我们引用的任何排行榜上。

  1. 新增语言模型

来源

本页部分数值尚待与官方页面核对:实心圆点已核实,空心圆点尚未核实(无论是否已有来源)。 我们如何核实数据

Tencent · 中国 · tencent.com

快照、同系列与同厂商的其他模型