Ornith 1.5 9B: какой квант выбрать
Все кванты Ornith 1.5 9B (9.7 B), которые реально есть в данных (4: Q4_K_M, Q5_K_M, Q8_0, 4bit), с точными размерами файлов от 19.10.2026 и расчётом «сколько VRAM под контекст».
Кванты: размер → VRAM под контекст → мин. карта
| Квант (файл) | Размер, ГБ | Итого @8K | Итого @16K | Итого @32K | Мин. карта | ~tok/s RTX 4060 8 GB | ~tok/s RTX 4090 24 GB | ~tok/s Apple M2 24 GB (unified) |
|---|---|---|---|---|---|---|---|---|
| Q4_K_M ornith-ai/Ornith-1.5-9B-GGUF | 5.78 ГБ | 7.5 | 7.8 | 8.4 | от 12 ГБ | offload | ~87 | ~9 |
| Q5_K_M ornith-ai/Ornith-1.5-9B-GGUF | 6.64 ГБ | 8.4 | 8.7 | 9.2 | от 12 ГБ | offload | ~76 | ~8 |
| Q8_0 ornith-ai/Ornith-1.5-9B-GGUF | 9.79 ГБ | 11.6 | 11.8 | 12.4 | от 16 ГБ | offload | ~51 | ~5 |
| 4bit (официальный MLX) ornith-ai/Ornith-1.5-9B-MLX-4bit | 5.04 ГБ | 6.8 | 7.1 | 7.6 | от 8 ГБ | ~32 | ~100 | ~10 |
«Итого» = веса + KV-кэш (fp16, 4 KV-голов) + 1.5 ГБ overhead; q8_0-KV-кэш режет KV вдвое.
tok/s — оценка: влезает → bandwidth ÷ размер × 0.5 (dense), не влезает → CPU-offload 1–5 tok/s. Оценка, не бенчмарк.
Лучший квант по tier памяти (влезает @16K)
| Память | Бюджет (90%) | Лучший (самый тяжёлый) квант | Итого @16K |
|---|---|---|---|
| 8 ГБ | 7.2 ГБ | 4bit (официальный MLX) (5.04 ГБ) | 7.1 ГБ |
| 16 ГБ | 14.4 ГБ | Q8_0 (9.79 ГБ, Ornith-1.5-9B-Q8_0.gguf) | 11.8 ГБ |
| 24 ГБ | 21.6 ГБ | Q8_0 (9.79 ГБ, Ornith-1.5-9B-Q8_0.gguf) | 11.8 ГБ |
| 48 ГБ | 43.2 ГБ | Q8_0 (9.79 ГБ, Ornith-1.5-9B-Q8_0.gguf) | 11.8 ГБ |
«Лучший» = самый тяжёлый (качественный) квант, влезший в tier с контекстом 16K. Q2/Q3-кванты — заметное падение качества (experimental) — не рекомендуем и в таблицу не включали.
Диапазон скорости по квантам (оценка, не бентчмарк)
- RTX 4060 8 GB: 32 tok/s (среди квантов, влезших на это устройство)
- RTX 4090 24 GB: 51–100 tok/s (среди квантов, влезших на это устройство)
- Apple M2 24 GB (unified): 5–10 tok/s (среди квантов, влезших на это устройство)
Оговорки и ссылки
- Размеры — фактические байты из Ollama-реестра / HF API от 19.10.2026; «влезает» — по бюджету 90% VRAM (unified — 70–85%). Оценки — модельные, не бентчмарки.
- Мин. карта — из каталога gpus.json (12 устройств); «24 ГБ+» — вне каталога/оффлоад.