ValueError: The model's max seq len (4096) is larger than the maximum number of tokens that can be stored in KV cache (3792). Try increasing `gpu_memory_utilization` or decreasing `max_model_len` when initializing the engine. about qanything

[huweibin1983]

bash ./run.sh -c local -i 0 -b vllm -m Qwen-7B-QAnything -t qwen-7b-qanything -p 1 -r 0.85
将后面的0.85改成0.95试一下

[Ericocococo]

问题解决了吗？为也遇到类似问题

[hgsw]

4090 24G 显卡 纯python部署 代码分支 qanything-python
搜索 gpu_memory_utilization 字段，
修改文件qanything_kernel/utils/general_utils.py 205行 gpu_memory_utilization = 0.89；
208行7B模型修改也修改0.89；

这里字段gpu_memory_in_GB打印应该为24G

希望能帮助后面的人。

[mrhan1993]

把 round(8 / gpu_memory_in_GB, 2) 中的 8 改成 10