// IBM Granite · 文本大模型
granite-4.0-h-small 本地部署与显存需求
32.2B（MoE） 参数。4 位量化约 22.1 GB，BF16 约 71.5 GB（1 个 8K token 请求）。
发布 2025-09-16许可：可商用显存为估算值
01规格
| 发布方 | IBM · ibm-granite |
|---|---|
| 系列 | IBM Granite · granite-4.0-h-small |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 32.2B（MoE） 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 40 层（4 层全注意力） · GQA+HYBRID · MoE |
| 发布权重 | BF16 · 64.4 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-09-16 （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） | 64.4 GB | 71.5 GB | 71.9 GB | 73.5 GB | H100 80GB | Mac 128GB |
| FP8 / INT8 / Q8_0 | 34.2 GB | 38.3 GB | 38.7 GB | 40.3 GB | 2 × RTX 5090（64GB） | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 19.5 GB | 22.1 GB | 22.5 GB | 24.1 GB | RTX 5090 32GB | Mac 64GB |
每个请求的 KV 缓存：8K 0.1 GB · 32K 0.5 GB · 128K 2.1 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。
- Transformers — 官方模型卡提及
- llama.cpp — 官方提供 GGUF 权重
04官方仓库与量化版
ibm-granite 官方发布的 4 个仓库。
- granite-4.0-h-small main
- granite-4.0-h-small-GGUF GGUF
- granite-4.0-h-small-FP8 FP8
- granite-4.0-h-small-base-GGUF Base/GGUF
05IBM Granite 其他模型
全部 67 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| granite-switch-4.1-8b | 8.78B | 7.8 GB | 2026-10-14 |
| granite-switch-4.1-30b | 30B | 22.7 GB | 2026-10-14 |
| granite-speech-5.0-2b | 2.31B | 2.0 GB | 2026-10-07 |
| ensemble-forecasting-with-ibm-granite-time-series | — | — | 2026-10-01 |
| granite-speech-5.0-470m-turboctc-nc | 473M | 0.8 GB | 2026-08-17 |
| granite-4.2-3b | 3.66B | 3.6 GB | 2026-08-07 |
| granite-4.2-8b | 8.79B | 7.7 GB | 2026-08-07 |
| granite-4.2-30b | 29.3B | 22.2 GB | 2026-08-07 |
06来源
数据核对于 2025-11-03。参数、上下文、许可取自官方仓库；显存为本站估算。