01Cosa sa fare
- Inferenza O(1) per token (memoria costante)
- Nessun limite pratico alla lunghezza del contesto
- Apache 2.0
- —Peggio dei Transformers nell'apprendimento in contesto
- —Nessun supporto per la visione
- —Contesto 8k
05Installare
Installa Ollama per il tuo OS. Verifica il modello e la sua quantizzazione prima del download. Inizia con 4096 token di contesto, poi controlla l'allocazione con ollama ps. Un comando qui sotto non dimostra che sia stato eseguito un test sulla tua macchina.
02Memoria richiesta
VRAM GPU approssimativa per far girare questo modello, overhead del contesto di 4k token incluso. Per un contesto più lungo, aggiungi ~1 GB per ogni blocco di 8k token.
Quale hardware serve per Falcon Mamba 7B?
Per eseguire Falcon Mamba 7B in locale con quantizzazione Q4, servono circa 5 GB di VRAM. Un’opzione da confrontare: RTX 5060 Ti 16 GB — lascia un margine per il sistema e il contesto; verifica la compatibilità del motore con la GPU.
Link affiliati — possibile commissione senza costi aggiuntivi per te, raccomandazione indipendente. In qualità di Partner Amazon, QualeLLM realizza un profitto sugli acquisti idonei.
In mobilità: Falcon Mamba 7B funziona anche su un Portatile RTX (16 GB di VRAM) →
Il tuo ChatGPT privato e gratuito sulla tua macchina in 1 ora — LM Studio, Ollama, Open WebUI, i tuoi documenti, senza cloud.
- Spazio online a vita
- PDF + file
- Aggiornamenti a vita
03Velocità prevista
Token generati al secondo in Q4_K_M, contesto 4k. Oltre 20 t/s, la lettura è confortevole. Al di sotto di 10 t/s, va bene solo per fare delle prove.
04Benchmark pubblici
Punteggi ripresi dalle model card o da MMLU-Pro / fonti della community. Unità: % di risposte corrette.