01功能特性
优点
- 首个采用Apache 2.0开源许可的dLLM
- 文本+视觉+生成+编辑一体化
- 交错式 'thinking' 模式
- Apache 2.0
需了解的局限性
- —Ollama/llama.cpp不支持扩散架构
- —需要 Flash Attention 2 和 CUDA 12.4
- —生成过程中占用 47 GB 显存
- —上下文长度仅为 8k
架构
MoE 16B / 活跃参数 1B + 离散语义分词器（SigLIP-VQ）+ 6.2B 扩散解码器 + VAE
训练
掩码 token 预测范式。经过蒸馏的 Decoder-turbo（加速 10 倍，使用 8 步而非 50 步）。SPRINT 加速。
最适合的场景
原生图像生成视觉与文本一体化dLLM 研究
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 : inclusionAI/LLaDA2.0-Uni (Flash Attn 2 + CUDA 12.4 requis)
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%
18 GB
Q5_K_M
质量/体积的良好平衡
22 GB
Q8_0
几乎无法与 FP16 区分
30 GB
FP16
全精度 — 服务器用途
47 GB
CPU 回退 · 如果您没有 GPU，请预留 36 GB 内存 以较低速度运行此模型的最低要求。
运行LLaDA 2.0 Uni 16B需要什么硬件？
在本地以Q4量化运行LLaDA 2.0 Uni 16B，大约需要18 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) — 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： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) →
联盟链接——您无需承担额外费用，我们可能获得佣金，推荐保持独立。作为亚马逊合作伙伴，哪个LLM会从符合条件的购买中获益。
移动场景： LLaDA 2.0 Uni 16B 也可在以下设备上运行 RTX 笔记本电脑 (24 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
- 终身更新
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。