01O que ele sabe fazer
- Apache 2.0 totalmente livre
- Contexto de 128k em um modelo de 2.5B
- Cabe em 1,4 GB de VRAM em Q4
- Código e raciocínio multilíngue
- —Capacidades limitadas pelo tamanho de 2.5B
- —Modelo com acesso restrito no Hugging Face
- —Menos versátil que os 7-14B
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 MiniMax M2.5 2.5B?
Para executar MiniMax M2.5 2.5B localmente com quantização Q4, você precisa de aproximadamente 1.4 GB de VRAM. Uma opção para comparar: RTX 5060 Ti 16 GB — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
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: MiniMax M2.5 2.5B também roda em um Notebook RTX (16 GB de VRAM) →
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.