WeMM Video 9B

语言 Tencent 部分核实
  • 输入 输入模态: 文本图像
  • 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-9B
  • 参数 10.5B
  • 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 Q8_0 (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
≈ 11.1 GB (权重 10.4 + 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 0.34–0.51 秒
推荐精度权重8K 需要在你的配置上最长上下文
原生 BF1619.5 GB≈ 20.8流畅 24–36 tok/s34K
Q8_010.4 GB≈ 11.1流畅 44–66 tok/s256K
FP89.8 GB≈ 10.5流畅 47–70 tok/s256K
Q6_K8.0 GB≈ 8.8流畅 57–85 tok/s256K
Q5_K_M6.9 GB≈ 7.7流畅 65–98 tok/s256K
Q5_06.7 GB≈ 7.5流畅 67–101 tok/s256K
Q4_K_M5.9 GB≈ 6.7流畅 76–114 tok/s256K
Q4_05.5 GB≈ 6.2流畅 82–123 tok/s256K
IQ4_XS5.2 GB≈ 5.9流畅 86–129 tok/s256K
Q3_K_M质量下降明显4.8 GB≈ 5.5流畅 93–140 tok/s256K
IQ3_XXS质量下降明显3.7 GB≈ 4.5流畅 118–177 tok/s256K
Q2_K质量下降明显3.7 GB≈ 4.4流畅 120–180 tok/s256K
IQ2_XXS质量下降明显2.5 GB≈ 3.3流畅 170–255 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

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≈ 159.5 GB你的配置放不下
LoRA≈ 22.9 GB你的配置放不下
QLoRA≈ 8.9 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