// 通义千问 Qwen · 视觉语言
Qwen2.5-VL-72B-Instruct 本地部署与显存需求
73.4B 参数。4 位量化约 52.1 GB，BF16 约 165 GB（1 个 8K token 请求）。
发布 2025-01-27许可：可商用（有条件）显存为估算值
01规格
| 发布方 | 阿里巴巴通义 · Qwen |
|---|---|
| 系列 | 通义千问 Qwen · Qwen2.5-VL |
| 类型 | 视觉语言 (image-text-to-text) |
| 参数量 | 73.4B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 125K tokens (128,000)取自 config.json 的 max_position_embeddings |
| 结构 | 80 层 · GQA |
| 发布权重 | BF16 · 147 GB下载量 |
| 许可 | qwen · 可商用（有条件）可商用，但受厂商自有许可条款约束（用户量上限、使用政策、署名或地区限制等），上线前请阅读原文。 |
| 发布日期 | 2025-01-27 （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 | 最低显卡 | Mac |
|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 147 GB | 165 GB | 173 GB | 4 × RTX PRO 6000（384GB） | Mac 256GB |
| FP8 / INT8 / Q8_0 | 78.0 GB | 89.0 GB | 97.0 GB | H200 141GB | Mac 256GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 44.5 GB | 52.1 GB | 60.2 GB | 2 × RTX 5090（64GB） | Mac 128GB |
每个请求的 KV 缓存：8K 2.7 GB · 32K 10.7 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
- Ollama — Ollama 官方模型库收录 · qwen2.5vl:72b
ollama run qwen2.5vl:72b04官方仓库与量化版
Qwen 官方发布的 2 个仓库。
- Qwen2.5-VL-72B-Instruct Instruct
- Qwen2.5-VL-72B-Instruct-AWQ Instruct/AWQ
05通义千问 Qwen 其他模型
全部 112 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Qwen2.5-VL-3B-Instruct · 同系列 | 3.75B | 3.3 GB | 2025-01-26 |
| Qwen2.5-VL-7B-Instruct · 同系列 | 8.29B | 6.5 GB | 2025-01-26 |
| Qwen2.5-VL-32B-Instruct · 同系列 | 33.5B | 25.0 GB | 2025-03-21 |
| Qwen-Image-2.1-Turbo | 7.12B | 5.2 GB | 2026-10-09 |
| Qwen-Image-2.1 | 7.12B | 5.2 GB | 2026-09-14 |
| Qwen3.8-Flash-Next | 180B / 6B | 121 GB | 2026-08-24 |
| Qwen3.8-2.4T-A95B | 2.4T / 95B | 1.60 TB | 2026-08-08 |
| Qwen3.8-27B | 27.8B | 19.6 GB | 2026-08-05 |
| Qwen3.6-27B | 27.8B | 19.6 GB | 2026-04-21 |
| Qwen3.6-35B-A3B | 36B / 3B | 24.6 GB | 2026-04-15 |
| Qwen3.5-0.8B | 873M | 1.2 GB | 2026-02-28 |
06来源
数据核对于 2025-06-06。参数、上下文、许可取自官方仓库；显存为本站估算。