01Cosa sa fare
- Primo dLLM aperto con licenza Apache 2.0
- Testo+visione+generazione+modifica unificati
- Modalità 'thinking' intercalata
- Apache 2.0
- —Architettura di diffusione non supportata da Ollama/llama.cpp
- —Richiede Flash Attention 2 + CUDA 12.4
- —47 GB di VRAM durante la generazione
- —Contesto di soli 8k
04Installare
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 LLaDA 2.0 Uni 16B?
Per eseguire LLaDA 2.0 Uni 16B in locale con quantizzazione Q4, servono circa 18 GB di VRAM. Un’opzione da confrontare: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — lascia un margine per il sistema e il contesto; verifica la compatibilità del motore con la GPU.
Perché questa scelta? La nostra scheda completa su GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Link affiliati — possibile commissione senza costi aggiuntivi per te, raccomandazione indipendente. In qualità di Partner Amazon, QuelLLM ottiene un guadagno dagli acquisti che soddisfano i requisiti.
In mobilità: LLaDA 2.0 Uni 16B funziona anche su un Portatile RTX (24 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.