01O que ele sabe fazer
- Primeiro dLLM aberto sob a licença Apache 2.0
- Texto + visão + geração + edição unificados
- Modo 'thinking' intercalado
- Apache 2.0
- —Arquitetura de difusão não suportada por Ollama/llama.cpp
- —Exige Flash Attention 2 + CUDA 12.4
- —47 GB de VRAM durante a geração
- —Ctx de apenas 8k
04Instalar
Instale Ollama para seu SO. Verifique o modelo e sua quantização antes do download. Comece com 4096 tokens de contexto, depois verifique a alocação com ollama ps. Um comando abaixo não é prova de teste executado na sua máquina.
02Memória necessária
Quantidade aproximada de VRAM da GPU necessária para executar este modelo, incluindo a memória adicional para um contexto de 4k tokens. Para um contexto mais longo, adicione ~1 GB a cada 8k tokens.
Qual hardware usar para LLaDA 2.0 Uni 16B?
Para executar LLaDA 2.0 Uni 16B localmente com quantização Q4, você precisa de aproximadamente 18 GB de VRAM. Uma opção para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
Por que essa escolha? Nossa ficha completa sobre GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
Em deslocamento: LLaDA 2.0 Uni 16B também roda em um Notebook RTX (24 GB de VRAM) →
Seu ChatGPT privado e gratuito na sua máquina em 1 hora — LM Studio, Ollama, Open WebUI, seus documentos, sem nuvem.
- Espaço online vitalício
- PDF + arquivos
- Atualizações vitalícias
03Velocidade estimada
Tokens gerados por segundo em Q4_K_M, contexto 4k. Acima de 20 t/s, a leitura é confortável. Abaixo de 10 t/s, é apenas para testar.