V LLMVRAMCalc
EN中文ESDE
Rechner › MiniCPM5 2B (面壁) › Mac Studio M4 Ultra 256GB

MiniCPM5 2B (面壁) auf Mac Studio M4 Ultra 256GB (256GB) — VRAM, KV-Cache & Token/s

MiniCPM5 2B (面壁) (2.3B gesamt, 2.3B aktiv, Dichte GQA-Attention) benötigt 1.41 GiB für 4-Bit-Gewichte (Q4_K_M), 2.3 GiB gesamt bei 8K Kontext und 3.28 GiB bei 32K auf Mac Studio M4 Ultra 256GB (~287.4 tok/s).

Interaktiver Dimensionierungs-Konfigurator

Vollständigen Bericht öffnen →
256 GB · 819 GB/s
Passt mit sicherer Reserve
Aus config.json abgeleitet HF config.json ↗
Speicheraufteilung im Detail (GiB) 2.3 GiB (2.47 GB) / 256 GiB (1%)
Modellgewichte: 1.41 GiB KV-Cache & Zustand: 0.33 GiB Engine- & Aktivierungspuffer: 0.56 GiB System-RAM-Offload (CPU): 0 GiB
Benötigter GPU-Speicher
2.3 GiB
2.47 GB (dezimal)
Nutzbarer Hardware-Speicher
199.7 GiB
256 GB (physisch)
Sicherheitsreserve
+197.4 GiB
1% Auslastung
Geschätzter Decode-Durchsatz
~287.4 tok/s
2.3B aktive Parameter
Geschätzter Prefill-Durchsatz
~6939 tok/s
4K-Prompt TTFT: ~590 ms
Kosten / 1 Mio. Tokens
$0.06
Dichte GQA-Attention · Apache-2.0

Empfohlene Hardware für diese Konfiguration

Beste Einzel-GPU
RTX 4060 Ti 16GB (16GB)
~$430
Preis-Leistungs- / Gebraucht-GPU
RTX 3060 12GB (12GB)
~$280
Apple Unified Memory
Ryzen AI Max+ 395 128GB
~$1,999
Cloud ab
Vast.ai · $0.06 / Std.
1x RTX 3060 12GB

Produktionsreife Startbefehle

llama.cpp (GGUF) 
llama-server -hf openbmb/MiniCPM5-2B-GGUF:Q4_K_M \
  --ctx-size 8192 -ngl 999 --flash-attn
vLLM 
vllm serve openbmb/MiniCPM5-2B \
  --max-model-len 8192 --gpu-memory-utilization 0.92
Echtzeit-Token-Geschwindigkeitssimulator (TTFT ~590ms · ~287.4 tok/s)
[MiniCPM5 2B (面壁) · 2.3 GiB] auf Ziel-GPU reserviert. Prefill abgeschlossen; generiere Token in Echtzeit mit der berechneten Rate...

Cloud-GPU-Preisvergleich & Mieten-vs.-Kaufen-TCO

Verifizierte öffentliche Tarife von RunPod, Vast.ai, Vultr und DigitalOcean.

Geprüft am: 2026-11-04
Kauf-Amortisation
~18.5 Monate
Geschätzte Stromkosten: $3.51 / Monat
Anbieter Empfohlene Instanz Gesamt-VRAM Stundensatz Monatlich (bei Auswahl) Abrechnungsmodell Starten
RunPod 1x RTX 3090 (Community Cloud) 24 GB $0.22 / Std. $26.75 / Monat Sekundengenau GPU starten ↗
Vast.ai 1x RTX 3060 12GB (Verifizierter Host) 12 GB $0.06 / Std. $7.42 / Monat Spot / On-Demand GPU starten ↗
Vultr ($300 Free Credit*) 1x L40S 48GB (Dedizierte Instanz · $300 Credit*) 48 GB $1.67 / Std. $203.19 / Monat Stündlich GPU starten ↗
Vultr Cloud GPU 1x L40S 48GB (Dedizierte Instanz) 48 GB $1.67 / Std. $203.19 / Monat Stündlich GPU starten ↗
DigitalOcean 1x RTX 6000 Ada (Dedizierte Instanz) 48 GB $1.57 / Std. $190.91 / Monat Sekundengenau GPU starten ↗

Preise entsprechen den öffentlichen Tarifen am Prüfdatum und variieren je nach Region und Verfügbarkeit.

Fine-Tuning VRAM-Bedarf (QLoRA / LoRA / Voll) — MiniCPM5 2B (面壁)

QLoRA (4b) Passt mit sicherer Reserve
3.62 GiB
Modellgewichte: 1.41 GiB · Gradienten + Optimizer: 1.2 GiB · Act: 1.01 GiB
Empfohlene GPU: RTX 4060 Ti 16GB (16GB)
LoRA (16b) Passt mit sicherer Reserve
7.42 GiB
Modellgewichte: 4.28 GiB · Gradienten + Optimizer: 1.8 GiB · Act: 1.34 GiB
Empfohlene GPU: RTX 4060 Ti 16GB (16GB)
Voll-FT Passt mit sicherer Reserve
19.91 GiB
Modellgewichte: 4.28 GiB · Gradienten + Optimizer: 13.27 GiB · Act: 2.36 GiB
Empfohlene GPU: Arc Pro B60 24GB (24GB)

Engineering-Diagnose & Optimierungsleitfaden

Schnelles Hardware-Fazit

Die Mac Studio M4 Ultra 256GB (256GB physisch, 199.7 GiB nutzbar) führt MiniCPM5 2B (面壁) in 4-Bit (Q4_K_M) bei 8K Kontext mit 2.3 GiB und 197.4 GiB Reserve stabil aus (~287.4 tok/s).

KV-Cache- & Engine-Tuning

MiniCPM5 2B (面壁) nutzt Dichte GQA-Attention (2.3B gesamt, 2.3B aktiv pro Token). Zwischen 8K und 32K Kontext steigt der FP16-KV-Cache von 0.33 GiB auf 1.31 GiB; mit FP8/Q8_0-KV-Quantisierung sparen Sie bei 32K 0.65 GiB (gesamt 2.63 GiB).

VRAM-Skalierung nach Kontextfenster (4K bis 128K, 4-Bit-Gewichte)

MiniCPM5 2B (面壁) VRAM scaling from 4K to 128K context (4K: 2.12 GiB, 8K: 2.3 GiB, 32K: 3.28 GiB, 128K: 7.22 GiB) 4K 2.12 GiB (KV 0.16 GiB) 8K 2.3 GiB (KV 0.33 GiB) 32K 3.28 GiB (KV 1.31 GiB) 128K 7.22 GiB (KV 5.25 GiB) Mac Studio M4 Ultra 256GB (256GB)
Die Modellgewichte bleiben konstant, während der Attention-KV-Cache mit der Kontextlänge wächst.

Quantisierungs-, Speicher- & Durchsatzmatrix — MiniCPM5 2B (面壁) @ 8K

Quantisierungsformat Gewichte (GiB) KV-Cache Gesamt-VRAM (GiB) Decode-Tempo Kompatibilität (Mac Studio M4 Ultra 256GB) Empfohlene GPU Datenquelle
Native Gewichte (BF16 / FP8 / MXFP4 — Verlustfrei) (BF16) 4.28 GiB 0.33 GiB 5.17 GiB (5.55 GB) ~115.8 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Offizielle Checkpoint-Größe
FP8 / GGUF Q8_0 (8-Bit — Nahezu Verlustfrei) (Q8_0) 2.28 GiB 0.33 GiB 3.17 GiB (3.4 GB) ~198.3 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet
GGUF Q6_K (6-Bit — Hohe Präzision) (Q6_K) 1.76 GiB 0.33 GiB 2.65 GiB (2.85 GB) ~243.4 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet
GGUF Q5_K_M (5-Bit — Ausgewogen) (Q5_K_M) 1.58 GiB 0.33 GiB 2.47 GiB (2.65 GB) ~264.2 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet
Q4_K_M / UD-Q4_K_XL / AWQ (4-Bit — Empfohlen) (Q4_K_M) 1.41 GiB 0.33 GiB 2.3 GiB (2.47 GB) ~287.4 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet
GGUF IQ4_XS (4.25-Bit — Kompakt) (IQ4_XS) 1.22 GiB 0.33 GiB 2.11 GiB (2.27 GB) ~318.6 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet
GGUF Q3_K_M (3-Bit — Wenig VRAM) (Q3_K_M) 1.11 GiB 0.33 GiB 2 GiB (2.15 GB) ~340 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet
GGUF UD-Q2_K_XL (2-Bit — MoE Extrem) (UD-Q2_K_XL) 0.85 GiB 0.33 GiB 1.74 GiB (1.87 GB) ~380 tok/s Passt mit sicherer Reserve RTX 4060 Ti 16GB (16GB) Aus config.json abgeleitet

Technische Spezifikationen & Häufige Fragen (FAQ)

Kann die Mac Studio M4 Ultra 256GB (256GB) MiniCPM5 2B (面壁) ausführen?

In 4-Bit (Q4_K_M) bei 8K Kontext benötigt MiniCPM5 2B (面壁) insgesamt 2.3 GiB VRAM (1.41 GiB Gewichte + 0.33 GiB KV-Cache + 0.56 GiB Puffer) bei 199.7 GiB nutzbarem Speicher auf der Mac Studio M4 Ultra 256GB (~287.4 tok/s Decode).

Wie viel VRAM benötigt MiniCPM5 2B (面壁) bei 32K Kontextlänge?

Bei 32.768 Tokens Kontextfenster belegt der KV-Cache 1.31 GiB, womit der gesamte 4-Bit-VRAM-Bedarf auf 3.28 GiB (3.52 GB dezimal) steigt.

Dieses Modell auf anderen GPUs testen

RTX 3060 12GB (12GB)RTX 4060 Ti 16GB (16GB)RTX 4070 Ti Super (16GB)RTX 4080 Super (16GB)RTX 5070 12GB (12GB)RTX 5070 Ti (16GB)RTX 5080 (16GB)RTX 3090 (24GB)RTX 4090 (24GB)RTX 4090 D (24GB)RTX 5090 (32GB)RTX 5090 D (32GB)RTX A6000 (48GB)RTX 6000 Ada (48GB)RTX PRO 6000 Blackwell (96GB)DGX Spark (GB10 128GB) (128GB)L4 24GB (24GB)A40 48GB (48GB)L20 48GB (48GB)L40S 48GB (48GB)A800 80GB SXM (80GB)A100 80GB SXM (80GB)H800 80GB SXM (80GB)H100 80GB SXM (80GB)H20 96GB HBM3 (96GB)H20 141GB HBM3e (141GB)H200 141GB SXM (141GB)B200 180GB (180GB)B300 288GB Blackwell Ultra (288GB)Ascend 910B 64GB (昇腾) (64GB)Ascend 910C 128GB (昇腾) (128GB)Atlas 300I Duo 96GB (310P) (96GB)MLU590 80GB (寒武纪思元) (80GB)DCU K100-AI 64GB (海光深算) (64GB)MetaX C500 64GB (沐曦曦云) (64GB)Kunlunxin P800 64GB (昆仑芯) (64GB)MTT S4000 48GB (摩尔线程) (48GB)Radeon RX 7900 XTX 24GB (24GB)Radeon AI PRO R9700 32GB (32GB)Ryzen AI Max+ 395 128GB (128GB)Instinct MI300X 192GB (192GB)Instinct MI325X 256GB (256GB)Instinct MI355X 288GB (288GB)Arc Pro B60 24GB (24GB)Gaudi 3 128GB HBM2e (128GB)Mac mini M4 Pro 64GB (64GB)MacBook Pro M4 Max 128GB (128GB)Mac Studio M3 Ultra 512GB (512GB)

Weitere Modelle auf dieser Hardware testen

Qwen3.8 Flash Next (125B-A6B)Qwen3.8 27BQwen3.8 2.4T-A95BQwen3.6 35B-A3BQwen3.5 397B-A17BQwen3.5 122B-A10BQwen3.5 35B-A3BQwen3.5 27BQwen3.5 9BQwen3.5 4BQwen3 Coder 480B-A35BQwen3 Coder Next 80B-A3BQwen3 Coder 30B-A3BQwen3 30B-A3B Instruct 2507Qwen3 235B-A22B Instruct 2507Qwen3 32BQwen3 14BQwen3 8BQwen3 4B Instruct 2507Qwen3 1.7BQwen3 0.6BQwen2.5 72B InstructQwen2.5 Coder 32B InstructQwQ 32B ReasoningDeepSeek V4.1 Flash (552B-A16B)DeepSeek V4 FlashDeepSeek V3.2 (685B)DeepSeek R1-0528 671BDeepSeek V3-0324 671BDeepSeek R1 Distill Llama 70BDeepSeek R1 Distill Qwen 32BDeepSeek R1 Distill Qwen 14BDeepSeek R1 Distill Llama 8Bgpt-oss-20bgpt-oss-120bGemma 4 31B ITGemma 4 26B-A4B ITGemma 4 12B ITGemma 3 27B ITGemma 3 12B ITGemma 3 4B ITGLM-5.3 Flash (320B-A18B)GLM-5.3 (753B)GLM-5 (744B)GLM-4.5 (355B-A32B)GLM-4.5 Air (110B-A12B)GLM-4 32B-0414Kimi K3 (2.8T-A104B)Kimi K2 Instruct (1T-A32B)Kimi-Dev 72BMiniMax M3.1 Flash (428B-A23B)MiniMax M2.5 (229B-A10B)Step-3.7 Flash (198B-A11B)Step-3.5 Flash (197B-A11B)ERNIE 4.5 300B-A47B (文心)ERNIE 4.5 21B-A3B (文心)Hunyuan A13B Instruct (混元 80B)Llama 4 Maverick 17B-128E (400B)Llama 4 Scout 17B-16E (109B)Llama 3.1 405B InstructLlama 3.3 70B InstructLlama 3.1 8B InstructLlama 3.2 3B InstructMistral Large 4 (1T-A52B)Mistral Large 2 123BMixtral 8x22B InstructMixtral 8x7B InstructMistral Small 3.2 24BDevstral Small 24BNemotron 3 Ultra 550B-A55BNemotron 3 Super 120B-A12BNemotron 3 Nano 30B-A3BCohere Command A 111BPhi-4 14BLiquid LFM3 1.7B