Última atualização: 2026-06-22

Tamanho do modelo por quantização

O tamanho de um grande modelo de linguagem em disco é definido quase inteiramente por quantos parâmetros ele tem e em quantos bits cada parâmetro é armazenado. Um peso é apenas um número, e um modelo é uma longa lista deles, então multiplicar a contagem pela largura de bits por peso e converter para bytes dá uma estimativa próxima do tamanho do arquivo — e de quanta memória ele ocupa ao ser carregado. Esta calculadora transforma uma contagem de parâmetros e um formato de quantização em um valor em gigabytes decimais e outro em gibibytes binários.

A fórmula

Com uma contagem de parâmetros $N$ em bilhões e uma largura de bits $b$ por parâmetro, o tamanho dos pesos em gigabytes decimais é

A divisão por oito converte bits em bytes. Como um bilhão de bytes é exatamente um gigabyte decimal, expressar $N$ em bilhões faz o resultado sair diretamente em gigabytes. A mesma quantidade em gibibytes binários — a unidade que a maioria dos sistemas operacionais e ferramentas de GPU exibe — é

já que um gibibyte é $2^{30} = 1\,073\,741\,824$ bytes.

Exemplo resolvido

Considere um modelo de 7 bilhões de parâmetros armazenado a 16 bits por peso, o formato padrão de meia precisão em que a maioria dos modelos é distribuída:

Então os pesos ocupam cerca de 14 GB em disco, o que uma ferramenta de memória reporta como aproximadamente 13 GiB. Quantizar o mesmo modelo para 4 bits armazenaria cada peso em um quarto do espaço, reduzindo o arquivo para cerca de 3,5 GB.

Escolhendo uma precisão

A precisão total de 32 bits é usada principalmente durante o treinamento. Para implantação, 16 bits é a referência habitual, enquanto a quantização de 8 bits e de 4 bits troca um pouco de acurácia por metade ou um quarto do consumo. Formatos de baixa precisão como o INT4 são o que permite que um modelo com dezenas de bilhões de parâmetros caiba em uma única GPU de consumo. A estimativa de tamanho aqui cobre apenas os pesos; rodar o modelo também exige espaço para as ativações e o cache de chave-valor, que a Calculadora de VRAM para Inferência de LLM contabiliza. Para transformar um tamanho em tempo de transferência por uma dada conexão, veja a Calculadora de Tempo de Download de Modelo.