NVIDIA Nemotron 3.5 Lightning 30B-A3B: какие файлы скачать (GGUF/Ollama/MLX) — все кванты, размеры и VRAM
Полная раскладка весовых файлов NVIDIA Nemotron 3.5 Lightning 30B-A3B (31.6 B (MoE, active 3 B)): 4 записей — Ollama-теги, GGUF (все кванты и провайдеры, multi-part), MLX и vLLM-сборки. Размеры — точные байты из манифестов/репо от 19.10.2026, не оценка «0.6 × параметры».
MoE: память — по total 31.6 B (MoE, active 3 B), скорость — по active ~3 B. MoE (128 routed × 6 + 1 shared): память — по total 30B, скорость — по active ~3B. Гибрид Mamba: растущий KV только у 6 attention-блоков.
Ollama (registry.ollama.ai)
| Тег | Квант | Размер | Запуск |
|---|---|---|---|
nemotron-3-nano:30b-a3b | Q4_K_M | 24.27 ГБ | ollama pull nemotron-3-nano:30b-a3b |
Размер — сумма слоёв манифеста registry.ollama.ai (19.10.2026). Реестр несёт один квант на тег (обычно Q4_K_M): прочие кванты — в GGUF-таблице ниже.
GGUF (все кванты и провайдеры)
| Квант | Файл / провайдер | Размер | Скачать |
|---|---|---|---|
| Q4_0 | ggml-org/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF ↗ NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Q4_0.gguf | 18.9 ГБ | |
| Q8_0 | ggml-org/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF ↗ NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Q8_0.gguf | 33.59 ГБ |
mtp — головы спекулятивного декодирования: mtp-NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Q4_0.gguf (+1.16 ГБ, отдельный файл)
Сколько памяти под контекст
| Контекст | KV-кэш (fp16) | Итого (Q4_0 18.9 ГБ + KV + 1.5 ГБ) | 8 ГБ | 12 ГБ | 16 ГБ | 24 ГБ |
|---|---|---|---|---|---|---|
| 4K | 0 ГБ | 20.4 ГБ | — | — | — | ✓ |
| 8K | 0.1 ГБ | 20.5 ГБ | — | — | — | ✓ |
| 16K | 0.1 ГБ | 20.5 ГБ | — | — | — | ✓ |
| 32K | 0.2 ГБ | 20.6 ГБ | — | — | — | ✓ |
KV — оценка 16-бит (fp16-кэш); q8_0-KV-кэш режет колонку KV вдвое.
Влезает на N ГБ (Q4_0, контекст 16K + overhead)
| Память | Бюджет (90%) | Итого @16K | Вердикт | Макс. контекст |
|---|---|---|---|---|
| 8 ГБ | 7.2 ГБ | 20.5 ГБ | не влезает → offload | не влезает даже без контекста |
| 16 ГБ | 14.4 ГБ | 20.5 ГБ | не влезает → offload | не влезает даже без контекста |
| 24 ГБ | 21.6 ГБ | 20.5 ГБ | влезает | до ~195K токенов |
| 48 ГБ | 43.2 ГБ | 20.5 ГБ | влезает | до ~3711K токенов |
Бюджет — 90% VRAM (dedicated); unified (Mac) — 70–85%. Не влезает → CPU-offload (1–5 tok/s) или часть весов на GPU (n-gpu-layers). Минимально из вердиктов: 24 ГБ.
Оговорки и ссылки
- Размеры — фактические байты из Ollama-реестра / HF API от 19.10.2026 (методика — в данных files.json).
- «РФ (hf-mirror)» — зеркало hf-mirror.com (Япония): проверено из-за границы 19.10.2026, доступность из РФ не проверялась — проверьте со своего IP (гайд: скачать в России).
- Ссылки на HuggingFace/hf-mirror —
rel="nofollow"(не e-com). Оценка памяти — модель, не бенчмарк.