NVIDIA L40S (48GB)
The NVIDIA L40S (48GB) features 48 GB of dedicated VRAM and 864 GB/s memory bandwidth, supporting CUDA and TensorRT-LLM runtimes for full-precision and quantized inference.
Memory
48 GB
Usable Memory Ceiling
48 GB
Bandwidth
864 GB/s
Max Inference Class
32B Models (Q4)
TDP
350W
VRAM Scaling by Context Length
Estimated memory requirements as context length increases. Curves crossing above the reference line indicate Out of Memory (OOM).
Precision:
Best Models to Run on NVIDIA L40S (48GB)
Inference throughput, memory compatibility, and generation speeds for open-weights LLMs on NVIDIA L40S (48GB).
Sort by:
Context:
KV Cache:
GPUs:
| Rank | Model | Parameters | Precision | TPS (Approx.) | TTFT | Can Run |
|---|---|---|---|---|---|---|
#48 | Qwen 3.8 27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
#83 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#93 | Qwen3.5-27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
#105 | Sarvam-30B | 32B (2.4B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#106 | Qwen3.6 35B A3B | 35B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#107 | Nemotron 3.5 Bolt 74B A9B | 74B | INT4 | 633 tok/s | ~11 ms | |
#110 | Muse Glimmer 30B | 30B | INT4 Q8 | 667 tok/s 667 tok/s | ~7 ms ~7 ms | |
#111 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~34 ms ~34 ms ~34 ms | |
#112 | Phi-4 Reasoning Plus | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#117 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#125 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#126 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#128 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#135 | Gemma 4 12B | 11.95B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#140 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#143 | GPT-OSS 20B | 21B (3.6B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 600 tok/s | ~4 ms ~4 ms ~4 ms | |
#144 | GLM-4V | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#150 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~7 ms ~7 ms ~7 ms | |
#153 | Qwen3-30B-A3B | 30B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#158 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#159 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#162 | Qwen2.5-72B | 72B | INT4 | 633 tok/s | ~11 ms | |
#163 | Mistral Large 3 | 41B (675B active) | INT4 | 667 tok/s | ~71 ms | |
#164 | DeepSeek-R1 70B | 70B | INT4 | 667 tok/s | ~11 ms | |
#165 | GLM-4 | 32B | INT4 Q8 | 667 tok/s 633 tok/s | ~7 ms ~7 ms | |
#166 | Phi-4 | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#167 | Gemma 3 27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
#168 | Llama 3.3 70B | 70B | INT4 | 667 tok/s | ~11 ms | |
#170 | DeepSeek-R1 32B | 32B | INT4 Q8 | 667 tok/s 667 tok/s | ~7 ms ~7 ms | |
#171 | Qwen3-32B | 32B | INT4 Q8 | 667 tok/s 667 tok/s | ~7 ms ~7 ms | |
#173 | Hunyuan Standard | 52B (389B active) | INT4 | 667 tok/s | ~42 ms | |
#175 | Magistral Small | 24B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
#176 | OLMo 3.1 32B Instruct | 32B | INT4 Q8 | 667 tok/s 633 tok/s | ~7 ms ~7 ms | |
#177 | Qwen2.5-32B | 32B | INT4 Q8 | 667 tok/s 667 tok/s | ~7 ms ~7 ms | |
#178 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#179 | DeepSeek-R1 14B | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#181 | Llama 3.1 70B | 70B | INT4 | 667 tok/s | ~11 ms | |
#183 | Ministral 3 14B | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#186 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#187 | Qwen2-72B | 72B | INT4 | 633 tok/s | ~11 ms | |
#188 | Mistral-Small-2501 | 24B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 600 tok/s | ~6 ms ~6 ms ~6 ms | |
#189 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#190 | Gemma 4 31B | 30.7B | INT4 Q8 | 667 tok/s 667 tok/s | ~7 ms ~7 ms | |
#191 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#192 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#193 | Gemma 2 27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
#194 | Qwen2.5-14B | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#195 | OLMo 3.1 32B Think | 32B | INT4 Q8 | 667 tok/s 633 tok/s | ~7 ms ~7 ms | |
#196 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#198 | Llama 3 70B | 70B | INT4 | 667 tok/s | ~11 ms | |
#200 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#202 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#203 | Kimi Linear 48B A3B Instruct | 48B (3B active) | INT4 | 667 tok/s | ~4 ms | |
#204 | Qwen3-4B | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#205 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#206 | OLMo 3 32B Base | 32B | INT4 Q8 | 667 tok/s 633 tok/s | ~7 ms ~7 ms | |
#207 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#208 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#209 | Qwen3-14B | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#210 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#211 | Qwen3-8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#213 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#214 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#215 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#216 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#217 | Command R | 35B | INT4 Q8 | 667 tok/s 633 tok/s | ~7 ms ~7 ms | |
#218 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#219 | Llama 3 8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#221 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#222 | Mixtral-8x7B-v0.1 | 46.7B (7B active) | INT4 Q8 | 667 tok/s 600 tok/s | ~4 ms ~4 ms | |
#223 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#224 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#225 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#226 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#227 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
#228 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#229 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#230 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#231 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#232 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#233 | Phi-3-medium | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
#234 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#235 | Yi-34B | 34B | INT4 Q8 | 667 tok/s 633 tok/s | ~7 ms ~7 ms | |
#236 | Qwen2-7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#237 | Phi-3-small | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#238 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#239 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#241 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#242 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#243 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#244 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
#245 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
Unranked Models (Sorted by Speed) | ||||||
- | Agnes 3.0 Flash | 33B | INT4 Q8 | 667 tok/s 667 tok/s | ~7 ms ~7 ms | |
- | Arete 27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
- | AREX-2 | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
- | AuraFlow v0.2 | 6.8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | AuraFlow v0.3 | 6.8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | CogVideoX 1.5 5B | 5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | CogVideoX 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | CogVideoX 5B | 5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 633 tok/s | ~4 ms ~4 ms ~4 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 633 tok/s | ~4 ms ~4 ms ~4 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Falcon-40B | 40B | INT4 Q8 | 667 tok/s 633 tok/s | ~8 ms ~8 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | FLUX.1 Canny Dev | 11.9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | FLUX.1 Depth Dev | 11.9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | FLUX.1 Dev | 11.9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | FLUX.1 Fill Dev | 11.9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | FLUX.1 Schnell | 11.9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | FLUX.2 Dev | 15B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | FLUX.2 Klein 4B | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | FLUX.2 Klein 9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | HunyuanVideo 1.5 720P T2V | 13B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Hy-Memory 30B A3B | 30B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Kandinsky 2.2 Decoder | 1.22B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Kandinsky 3.0 | 2.1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 600 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM3 1.7B | 1.7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM3 1.7B Base | 1.7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM3 Audio 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM3 Omni 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LFM3 VL 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Liquid D1 2B | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LTX-2 | 2.2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | LTX-Video 0.9.1 | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Mage-VL Cowork | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | MiniCPM-V 4.7 35B A3B | 35B (3B active) | INT4 Q8 | 667 tok/s 667 tok/s | ~4 ms ~4 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Mochi 1 Preview | 10B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Moondream 3.1 | 9B (2B active) | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Nemotron 3.5 Parse | 0.63B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | PixArt-α XL 2 1024-MS | 0.61B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | PixArt-Σ XL 2 1024-MS | 0.61B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | PPLX Decider v1 27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
- | PPLX Decider v1.1 27B | 27B | INT4 Q8 | 667 tok/s 667 tok/s | ~6 ms ~6 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SD 2.1 Turbo | 0.86B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SDXL 1.0 Base | 2.56B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SDXL 1.0 Refiner | 2.31B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SDXL Turbo | 2.56B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Stable Diffusion 1.4 | 0.86B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Stable Diffusion 2.1 | 0.86B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Stable Diffusion 3 Medium | 2B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Stable Diffusion 3.5 Large | 8.1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Stable Diffusion 3.5 Large Turbo | 8.1B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Stable Diffusion 3.5 Medium | 2.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SVD Image-to-Video XT | 1.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | SVD Image-to-Video XT 1.1 | 1.5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Wan 2.1 I2V 14B 720P | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Wan 2.1 T2V 1.3B | 1.3B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Wan 2.1 T2V 14B | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Wan 2.2 T2V A14B | 14B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~5 ms ~5 ms ~5 ms | |
- | Wan 2.2 TI2V 5B | 5B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | Youtu Parsing Omni | 8B | INT4 Q8 FP16 | 667 tok/s 667 tok/s 667 tok/s | ~4 ms ~4 ms ~4 ms | |
- | AliceAI Foundation 80B A3B Base | 80B (3B active) | INT4 | 633 tok/s | ~4 ms | |
- | Kolibri 1 | 78B (3.5B active) | INT4 | 633 tok/s | ~4 ms | |
- | Kimi-Dev-72B | 72B | INT4 | 600 tok/s | ~11 ms | |
- | Typhoon-2-70B | 70B | INT4 | 600 tok/s | ~11 ms | |
Inference Capacity
Maximum model parameter class runnable by weight precision.
Context:
4-bit
32B Models
8-bit
32B Models
16-bit
14B Models
Fine-Tuning Capacity
Hardware capacity for local training and adapter fine-tuning.
Context Length:
QLoRA
32B Models
LoRA
14B Models
Full Parameter Training
7B-8B Models
Workload Recommendations
Guidance for optimal precision and operational ceilings on NVIDIA L40S (48GB).
Inference Sweet Spot
Optimized for 14B models at uncompressed or Q8 precision, and 32B models at Q4 with up to 32k context.
Bandwidth & Speed Profile
With 864 GB/s aggregate bandwidth, batch size 1 inference operates in a memory-bandwidth bound regime. Generates approximately 192 tok/s on an 8B Q4 model and 23 tok/s on a 70B Q4 model.
Frequently Asked Questions
©2025 ApX Machine Learning