待验证50% 置信事实精确时间
KV缓存的大小与上下文长度线性增长，Qwen 2.5 32B 在64K上下文下的KV缓存可能额外占用数GB内存
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
Ollama+Hermes本地AI部署：打造100%私有的个人AI操作系统
bilibili赛博门外憨2026/7/7
相关事实
待验证KV缓存的显存占用与上下文长度、模型层数和注意力头数成正比，8K上下文下一个典型27B模型可能额外消耗2～4GB显存80% 相似待验证量化KV缓存（如FP8或INT4存储KV向量）可将缓存大小压缩到原来的1/2甚至1/479% 相似待验证LLaMA-2 7B 在 4096 Token 上下文下 KV Cache 约占 2 GB，扩展到 32K 上下文时可飙升至 16 GB 以上77% 相似待验证模型权重不能把显存占满，必须为 KV 缓存和推理过程预留空间，128K 上下文所需的 KV 缓存可能高达数 GB 甚至超过模型权重本身75% 相似已验证KV Cache的显存占用随序列长度线性增长，700亿参数采用GQA的模型处理10万Token时KV Cache占用可能高达数十GB74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/298504API
curl https://kongchang.com/api/v1/knowledge/claims/298504MCP
get_claim(id=298504)