01Was es kann
- Erstes offenes dLLM unter Apache 2.0
- Text, Vision, Erstellung und Bearbeitung vereint
- Verschachtelter 'thinking'-Modus
- Apache 2.0
- —Diffusionsarchitektur wird von Ollama/llama.cpp nicht unterstützt
- —Erfordert Flash Attention 2 + CUDA 12.4
- —47 GB VRAM während der Generierung
- —Nur 8k Kontext
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 LLaDA 2.0 Uni 16B?
Um LLaDA 2.0 Uni 16B lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 18 GB VRAM. Eine Option zum Vergleich: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — Halten Sie einen Puffer für das System und den Kontext frei; prüfen Sie die Kompatibilität der Engine mit der GPU.
Warum diese Wahl? Unsere vollständige Übersicht zu GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Affiliate-Links – mögliche Provision ohne Mehrkosten für Sie, unabhängige Empfehlung. Als Amazon-Partner verdient QuelLLM an qualifizierten Käufen.
Unterwegs: LLaDA 2.0 Uni 16B läuft auch auf einem RTX-Laptop (24 GB VRAM) →
Ihr privates, kostenloses ChatGPT auf Ihrem Rechner in einer Stunde – mit LM Studio, Ollama, Open WebUI und Ihren Dokumenten, ganz ohne Cloud.
- Lebenslanger Online-Zugang
- PDF + Dateien
- Erstattung binnen 30 Tagen
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.