01功能特性
优点
- 极低的计算成本
- Apache 2.0
- 长上下文，低开销
需了解的局限性
- —在某些任务上，质量低于 3B 稠密模型
架构
Mamba-2 + 细粒度 MoE 混合架构 · 7B 参数/1B 活跃参数
训练
4.0 的边缘计算版本。
最适合的场景
Edge设备端运行速度快
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run granite4:tiny-h
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
4 GB
Q5_K_M
质量/体积的良好平衡
5 GB
Q8_0
几乎无法与 FP16 区分
7 GB
FP16
全精度 — 服务器用途
14 GB
CPU 回退 · 如果您没有 GPU，请预留 8 GB 内存 以较低速度运行此模型的最低要求。
运行Granite 4.0 H-Tiny 7B-A1B需要什么硬件？
在本地以Q4量化运行Granite 4.0 H-Tiny 7B-A1B，大约需要4 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16 GB — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5060 Ti 16 GB
Amazon查看价格 →Materiel.net查看价格 →Darty查看价格 →联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： Granite 4.0 H-Tiny 7B-A1B 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
在你的私有 ChatGPT 中使用此模型，无需云端
只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。
- 在线空间，终身可用
- PDF + 文件
- 30 天内退款
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。