// 微软 VibeVoice / Fara / Harrier · 视觉语言
Fara1.5-9B 本地部署与显存需求
9.41B 参数。4 位量化约 7.0 GB，BF16 约 21.5 GB（1 个 8K token 请求）。
发布 2026-05-12许可：可商用显存为估算值
01规格
| 发布方 | 微软 · microsoft |
|---|---|
| 系列 | 微软 VibeVoice / Fara / Harrier · Fara1.5 |
| 类型 | 视觉语言 (image-text-to-text) |
| 参数量 | 9.41B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 256K tokens (262,144)取自 config.json 的 max_position_embeddings |
| 结构 | 32 层（8 层全注意力） · GQA+HYBRID |
| 发布权重 | BF16 · 18.8 GB下载量 |
| 许可 | MIT · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2026-05-12 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 18.8 GB | 21.5 GB | 22.3 GB | 25.5 GB | RTX 4090 24GB | Mac 36GB |
| FP8 / INT8 / Q8_0 | 10.0 GB | 11.8 GB | 12.6 GB | 15.8 GB | 16GB 显卡 | Mac 24GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 5.7 GB | 7.0 GB | 7.8 GB | 11.1 GB | 8GB 显卡 | Mac 16GB |
每个请求的 KV 缓存：8K 0.3 GB · 32K 1.1 GB · 128K 4.3 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
microsoft 官方发布的 1 个仓库。
- Fara1.5-9B main
05微软 VibeVoice / Fara / Harrier 其他模型
全部 12 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Fara1.5-4B · 同系列 | 4.54B | 3.8 GB | 2026-07-17 |
| Fara1.5-27B · 同系列 | 27.4B | 19.3 GB | 2026-07-17 |
| VibeVoice-ASR-Streaming-1.5B | 2.81B | 2.4 GB | 2026-09-02 |
| VibeVoice-ASR-Streaming-7B | 8.67B | 6.3 GB | 2026-09-02 |
| harrier-oss-v1-270m | 268M | 0.7 GB | 2026-03-30 |
| harrier-oss-v1-0.6b | 596M | 0.9 GB | 2026-03-30 |
| harrier-oss-v1-27b | 27B | 18.5 GB | 2026-03-30 |
| VibeVoice-ASR | 8.67B | 6.3 GB | 2026-01-21 |
| VibeVoice-Realtime-0.5B | 1.02B | 1.2 GB | 2025-12-04 |
| Fara-7B | 8.29B | 6.5 GB | 2025-10-30 |
06来源
数据核对于 2026-07-27。参数、上下文、许可取自官方仓库；显存为本站估算。