01功能特性
优点
- Apache 2.0（可自由商用）
- 专注代码的 20B 稠密模型
- 128k 原生上下文
- 明确专注于编程
需了解的局限性
- —Hugging Face 上访问受限（需点击同意相关条款）
- —无官方 Ollama 标签 —— 通过 HuggingFace 安装
- —混合精度：需验证运行时兼容性
架构
稠密 20B · 专用于代码 · 混合精度检查点
训练
IBM Granite Code：专为代码设计的开源模型家族，训练数据涵盖116种编程语言。提供混合精度变体，以优化推理时的内存占用。
最适合的场景
代码生成IDE 代码补全开发者助手
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。
$# HuggingFace : ibm-granite/granite-code-20b-mixed-precision
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%
12 GB
Q5_K_M
质量/体积的良好平衡
14 GB
Q8_0
几乎无法与 FP16 区分
21 GB
FP16
全精度 — 服务器用途
40 GB
CPU 回退 · 如果您没有 GPU，请预留 26 GB 内存 以较低速度运行此模型的最低要求。
运行Granite Code 20B (Mixed Precision)需要什么硬件？
在本地以Q4量化运行Granite Code 20B (Mixed Precision)，大约需要12 GB 显存。可供比较的硬件选项：RTX 5070 12 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 5070 12 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 Code 20B (Mixed Precision) 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
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。