01Was es kann
- Apache 2.0 (freie kommerzielle Nutzung)
- Dichtes 20B-Modell mit Schwerpunkt auf Code
- Nativer Kontext: 128k
- Klare Code-Spezialisierung
- —Zugang auf Hugging Face beschränkt (Freigabe durch Bestätigung per Klick)
- —Kein offizieller Ollama-Tag — Installation über HuggingFace
- —Mixed Precision: Kompatibilität mit der Laufzeitumgebung prüfen
04Installieren
Installieren Sie Ollama für Ihr Betriebssystem. Prüfen Sie das Modell und seine Quantisierung vor dem Download. Beginnen Sie mit einem Kontext von 4096 Tokens und prüfen Sie anschließend mit ollama ps, wo das Modell ausgeführt wird. Ein unten aufgeführter Befehl ist kein Beweis dafür, dass ein Test auf Ihrem Computer ausgeführt wurde.
02Benötigter Speicher
Ungefähr benötigter GPU-VRAM zum Ausführen dieses Modells, einschließlich des Speicherbedarfs für einen Kontext von 4k Tokens. Für einen längeren Kontext rechnen Sie mit zusätzlich ca. 1 GB je 8k Tokens.
Welche Hardware eignet sich für Granite Code 20B (Mixed Precision)?
Um Granite Code 20B (Mixed Precision) lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 12 GB VRAM. Eine Option zum Vergleich: RTX 5070 12 GB — Halten Sie einen Puffer für das System und den Kontext frei; prüfen Sie die Kompatibilität der Engine mit der GPU.
Affiliate-Links – mögliche Provision ohne Mehrkosten für Sie, unabhängige Empfehlung. Als Amazon-Partner verdient QuelLLM an qualifizierten Käufen.
Unterwegs: Granite Code 20B (Mixed Precision) läuft auch auf einem RTX-Laptop (16 GB VRAM) →
03Erwartete Geschwindigkeit
Generierte Tokens pro Sekunde in Q4_K_M, Kontext 4k. Jenseits von 20 t/s, lässt es sich angenehm lesen. Bei weniger als 10 t/s, eignet es sich nur zum Testen.