WeMM Video 4B

语言 Tencent 部分核实
  • 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-4B
  • 参数 5.6B
  • 稠密
  • 原生精度 BF16
  • 层数 32
  • 每 token 的 KV 缓存 32 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 原生 BF16 (自动) 8K 上下文 44–66 tok/s单卡
权重KV 缓存运行开销可用上限
需要
≈ 11.2 GB (权重 10.5(官方文件) + KV 缓存 0.3 + 开销 0.5)
可用
21.6 GB (标称的 90%)
生成速度
44–66 tok/s
最长上下文
256K (模型上限)
首 token
2K 提示约 0.18–0.27 秒
推荐精度权重8K 需要在你的配置上最长上下文
原生 BF16官方10.5 GB≈ 11.2流畅 44–66 tok/s256K
Q8_05.6 GB≈ 6.3流畅 81–121 tok/s256K
FP85.2 GB≈ 6.0流畅 86–129 tok/s256K
Q6_K4.3 GB≈ 5.0流畅 103–155 tok/s256K
Q5_K_M3.7 GB≈ 4.5流畅 118–177 tok/s256K
Q5_03.6 GB≈ 4.3流畅 122–183 tok/s256K
Q4_K_M3.2 GB≈ 3.9流畅 137–206 tok/s256K
Q4_02.9 GB≈ 3.7流畅 147–221 tok/s256K
IQ4_XS2.8 GB≈ 3.5流畅 155–233 tok/s256K
Q3_K_M质量下降明显2.6 GB≈ 3.3流畅 167–251 tok/s256K
IQ3_XXS质量下降明显2.0 GB≈ 2.7流畅 209–313 tok/s256K
Q2_K质量下降明显2.0 GB≈ 2.7流畅 212–319 tok/s256K
IQ2_XXS质量下降明显1.3 GB≈ 2.1流畅 294–441 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 3080;统一内存 Apple M5 · 16 GB。

运行命令

vLLM
vllm serve tencent/WeMM-Video-4B --max-model-len 8192
微调需要多少显存
全参≈ 86.5 GB你的配置放不下
LoRA≈ 13.5 GB你的配置放得下
QLoRA≈ 6.0 GB你的配置放得下

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