趋近智
Instinct MI325X (256GB)
Instinct MI325X (256GB) 提供 256 GB 显存/内存与 6000 GB/s 带宽，支持通过 ROCm 与 Vulkan 加速进行本地推理。
总显存
256 GB
可用显存上限
256 GB
显存带宽
6000 GB/s
最大推理模型级别
70B+ 模型 (Q4)
热设计功耗
750W
显存占用随上下文长度变化曲线
随上下文长度增长的显存需求评估。当曲线超过参考线时将导致显存不足（OOM）。
量化精度:
Instinct MI325X (256GB) 最佳运行大模型与速度矩阵
主流开源大模型在 Instinct MI325X (256GB) 上的推理速度、显存兼容性与生成吞吐表现。
排序:
上下文长度:
KV 缓存:
显卡数量:
| 排名 | 模型 | 参数量 | 量化精度 | 预估 TPS | TTFT | 可运行 |
|---|---|---|---|---|---|---|
#30 | DeepSeek-V4-Flash-Vision-Exp | 290.9B (20.4B active) | INT4 | 261 tok/s | ~193 ms | |
#33 | Qwen 3.8 27B | 27B | INT4 Q8 FP16 | 212 tok/s 138 tok/s 78 tok/s | ~264 ms ~267 ms ~273 ms | |
#40 | MiMo-V2.6-Flash | 309B | INT4 | 27 tok/s | ~2.9s | |
#41 | Qwen 3.8 Flash | 176B (6B active) | INT4 Q8 | 455 tok/s 362 tok/s | ~60 ms ~60 ms | |
#42 | DeepSeek-V4-Flash | 284B (13B active) | INT4 | 334 tok/s | ~124 ms | |
#43 | K2 Horizon 375B A23B | 375B (23B active) | INT4 | 191 tok/s | ~307 ms | |
#48 | Agnes 3.0 Flash | 33B | INT4 Q8 FP16 | 185 tok/s 117 tok/s 65 tok/s | ~321 ms ~324 ms ~331 ms | |
#50 | Qwen3.5-397B-A17B | 397B (17B active) | INT4 | 206 tok/s | ~278 ms | |
#54 | GLM-4.5 | 355B (32B active) | INT4 | 68 tok/s | ~428 ms | |
#61 | Sarvam-105B | 106B (10.3B active) | INT4 Q8 FP16 | 362 tok/s 268 tok/s 162 tok/s | ~136 ms ~137 ms ~151 ms | |
#68 | GLM-4.7 | 358B (32B active) | INT4 | 68 tok/s | ~428 ms | |
#72 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 Q8 FP16 | 470 tok/s 401 tok/s 301 tok/s | ~54 ms ~55 ms ~56 ms | |
#75 | Ling 3.0 Flash VL | 124B (5.5B active) | INT4 Q8 FP16 | 449 tok/s 365 tok/s 232 tok/s | ~98 ms ~98 ms ~116 ms | |
#80 | GLM-5.3 Flash | 313.3B (17.3B active) | INT4 | 287 tok/s | ~164 ms | |
#82 | Qwen3 235B A22B Thinking | 235B (22B active) | INT4 Q8 | 101 tok/s 78 tok/s | ~270 ms ~319 ms | |
#83 | Qwen3.5-27B | 27B | INT4 Q8 FP16 | 212 tok/s 138 tok/s 78 tok/s | ~264 ms ~267 ms ~273 ms | |
#84 | Qwen3.5-122B-A10B | 122B (10B active) | INT4 Q8 FP16 | 315 tok/s 245 tok/s 146 tok/s | ~140 ms ~141 ms ~167 ms | |
#92 | Sarvam-30B | 32B (2.4B active) | INT4 Q8 FP16 | 517 tok/s 465 tok/s 377 tok/s | ~39 ms ~39 ms ~40 ms | |
#94 | Qwen3.6 35B A3B | 35B (3B active) | INT4 Q8 FP16 | 498 tok/s 438 tok/s 344 tok/s | ~45 ms ~45 ms ~46 ms | |
#96 | Muse Glimmer 30B | 30B | INT4 Q8 FP16 | 198 tok/s 127 tok/s 71 tok/s | ~293 ms ~296 ms ~302 ms | |
#100 | Phi-4 Reasoning Plus | 14B | INT4 Q8 FP16 | 257 tok/s 194 tok/s 124 tok/s | ~141 ms ~143 ms ~145 ms | |
#101 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 FP16 | 27 tok/s 15 tok/s 8 tok/s | ~2.9s ~2.9s ~3.0s | |
#105 | Inkling-Small | 276B (12B active) | INT4 | 101 tok/s | ~191 ms | |
#106 | GLM-4.5-Air | 106B (12B active) | INT4 Q8 FP16 | 150 tok/s 133 tok/s 95 tok/s | ~156 ms ~157 ms ~172 ms | |
#107 | GLM-4.6 | 357B (32B active) | INT4 | 68 tok/s | ~428 ms | |
#108 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 Q8 FP16 | 482 tok/s 413 tok/s 311 tok/s | ~50 ms ~50 ms ~51 ms | |
#109 | Gemma 4 12B | 11.95B | INT4 Q8 FP16 | 280 tok/s 215 tok/s 140 tok/s | ~121 ms ~122 ms ~125 ms | |
#111 | MiniMax M2 | 229B (10B active) | INT4 Q8 | 119 tok/s 102 tok/s | ~158 ms ~186 ms | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 386 tok/s 291 tok/s 188 tok/s | ~92 ms ~93 ms ~95 ms | |
#114 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 Q8 FP16 | 498 tok/s 438 tok/s 344 tok/s | ~45 ms ~45 ms ~46 ms | |
#114 | Ling 3.0 Flash | 124B (5.1B active) | INT4 Q8 FP16 | 459 tok/s 376 tok/s 242 tok/s | ~94 ms ~95 ms ~112 ms | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 425 tok/s 332 tok/s 224 tok/s | ~73 ms ~74 ms ~75 ms | |
#119 | Step 3.5 Flash | 196.81B (11B active) | INT4 Q8 | 298 tok/s 229 tok/s | ~154 ms ~155 ms | |
#126 | Qwen3 Next 80B A3B | 80B (79B active) | INT4 Q8 FP16 | 76 tok/s 49 tok/s 27 tok/s | ~762 ms ~769 ms ~786 ms | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 190 tok/s 124 tok/s 70 tok/s | ~284 ms ~287 ms ~293 ms | |
#129 | Gemma 4 31B | 30.7B | INT4 Q8 FP16 | 195 tok/s 124 tok/s 69 tok/s | ~299 ms ~302 ms ~309 ms | |
#130 | GPT-OSS 120B | 117B (5.1B active) | INT4 Q8 FP16 | 158 tok/s 155 tok/s 120 tok/s | ~97 ms ~97 ms ~115 ms | |
#131 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 Q8 FP16 | 321 tok/s 303 tok/s 255 tok/s | ~45 ms ~45 ms ~46 ms | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 500 tok/s 421 tok/s 312 tok/s | ~44 ms ~45 ms ~45 ms | |
#133 | Qwen3-30B-A3B | 30B (3B active) | INT4 Q8 FP16 | 500 tok/s 440 tok/s 345 tok/s | ~44 ms ~44 ms ~45 ms | |
#136 | GPT-OSS 20B | 21B (3.6B active) | INT4 Q8 FP16 | 342 tok/s 314 tok/s 254 tok/s | ~48 ms ~48 ms ~49 ms | |
#139 | Qwen3-235B-A22B | 235B (22B active) | INT4 Q8 | 212 tok/s 141 tok/s | ~265 ms ~290 ms | |
#142 | MiniMax M3 | 428B | INT4 | 15 tok/s | ~4.8s | |
#144 | Mistral Medium 3.5 128B | 128B | INT4 Q8 | 49 tok/s 31 tok/s | ~1.2s ~1.2s | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 405 tok/s 310 tok/s 204 tok/s | ~83 ms ~83 ms ~85 ms | |
#147 | Llama 3.1 405B | 405B | INT4 | 20 tok/s | ~4.2s | |
#149 | Hunyuan Large | 389B (52B active) | INT4 | 57 tok/s | ~635 ms | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 405 tok/s 310 tok/s 204 tok/s | ~83 ms ~83 ms ~85 ms | |
#151 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 Q8 FP16 | 500 tok/s 440 tok/s 345 tok/s | ~44 ms ~44 ms ~45 ms | |
#152 | Llama 4 Maverick | 400B (17B active) | INT4 | 206 tok/s | ~278 ms | |
#153 | Qwen3-32B | 32B | INT4 Q8 FP16 | 189 tok/s 120 tok/s 67 tok/s | ~312 ms ~315 ms ~321 ms | |
#154 | Qwen2.5-72B | 72B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 31 tok/s | ~692 ms ~699 ms ~714 ms | |
#155 | Mistral Large 3 | 41B (675B active) | INT4 Q8 FP16 | 13 tok/s 7 tok/s 4 tok/s | ~6.2s ~6.3s ~6.4s | |
#156 | GLM-4 | 32B | INT4 Q8 FP16 | 155 tok/s 107 tok/s 62 tok/s | ~313 ms ~316 ms ~322 ms | |
#157 | DeepSeek-R1 70B | 70B | INT4 Q8 FP16 | 105 tok/s 62 tok/s 33 tok/s | ~673 ms ~680 ms ~694 ms | |
#158 | GLM-4V | 9B | INT4 Q8 FP16 | 323 tok/s 256 tok/s 173 tok/s | ~93 ms ~94 ms ~95 ms | |
#159 | Gemma 3 27B | 27B | INT4 Q8 FP16 | 212 tok/s 138 tok/s 78 tok/s | ~264 ms ~267 ms ~273 ms | |
#160 | Phi-4 | 14B | INT4 Q8 FP16 | 314 tok/s 222 tok/s 135 tok/s | ~141 ms ~142 ms ~145 ms | |
#161 | Llama 3.3 70B | 70B | INT4 Q8 FP16 | 103 tok/s 61 tok/s 32 tok/s | ~673 ms ~680 ms ~694 ms | |
#162 | DeepSeek-R1 32B | 32B | INT4 Q8 FP16 | 193 tok/s 122 tok/s 67 tok/s | ~312 ms ~315 ms ~321 ms | |
#163 | Hunyuan Standard | 52B (389B active) | INT4 Q8 FP16 | 21 tok/s 12 tok/s 6 tok/s | ~3.6s ~3.6s ~3.7s | |
#164 | Qwen2.5-32B | 32B | INT4 Q8 FP16 | 189 tok/s 120 tok/s 67 tok/s | ~312 ms ~315 ms ~321 ms | |
#168 | Magistral Small | 24B | INT4 Q8 FP16 | 187 tok/s 133 tok/s 80 tok/s | ~237 ms ~239 ms ~244 ms | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 360 tok/s 294 tok/s 206 tok/s | ~73 ms ~74 ms ~75 ms | |
#170 | OLMo 3.1 32B Instruct | 32B | INT4 Q8 FP16 | 155 tok/s 107 tok/s 62 tok/s | ~313 ms ~316 ms ~322 ms | |
#171 | Llama 3.1 70B | 70B | INT4 Q8 FP16 | 103 tok/s 61 tok/s 32 tok/s | ~673 ms ~680 ms ~694 ms | |
#172 | DeepSeek-R1 14B | 14B | INT4 Q8 FP16 | 320 tok/s 224 tok/s 136 tok/s | ~140 ms ~142 ms ~145 ms | |
#173 | Ministral 3 14B | 14B | INT4 Q8 FP16 | 257 tok/s 194 tok/s 124 tok/s | ~141 ms ~143 ms ~145 ms | |
#174 | Mistral-Large-2407 | 123B | INT4 Q8 FP16 | 63 tok/s 36 tok/s 17 tok/s | ~1.2s ~1.2s ~1.4s | |
#175 | Llama 4 Scout | 109B (17B active) | INT4 Q8 FP16 | 256 tok/s 182 tok/s 105 tok/s | ~199 ms ~201 ms ~222 ms | |
#177 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 339 tok/s 245 tok/s 152 tok/s | ~121 ms ~122 ms ~125 ms | |
#178 | Command A | 111B | INT4 Q8 FP16 | 55 tok/s 35 tok/s 18 tok/s | ~1.1s ~1.1s ~1.2s | |
#179 | Qwen2-72B | 72B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 31 tok/s | ~692 ms ~699 ms ~714 ms | |
#180 | OLMo 3 32B Base | 32B | INT4 Q8 FP16 | 155 tok/s 107 tok/s 62 tok/s | ~313 ms ~316 ms ~322 ms | |
#181 | Mistral-Small-2501 | 24B | INT4 Q8 FP16 | 230 tok/s 151 tok/s 86 tok/s | ~236 ms ~238 ms ~243 ms | |
#182 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 342 tok/s 274 tok/s 188 tok/s | ~83 ms ~84 ms ~85 ms | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 567 tok/s 512 tok/s 422 tok/s | ~25 ms ~25 ms ~26 ms | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 567 tok/s 512 tok/s 422 tok/s | ~25 ms ~25 ms ~26 ms | |
#185 | Qwen2.5-14B | 14B | INT4 Q8 FP16 | 314 tok/s 222 tok/s 135 tok/s | ~141 ms ~142 ms ~145 ms | |
#186 | Gemma 2 27B | 27B | INT4 Q8 FP16 | 212 tok/s 138 tok/s 78 tok/s | ~264 ms ~267 ms ~273 ms | |
#187 | OLMo 3.1 32B Think | 32B | INT4 Q8 FP16 | 155 tok/s 107 tok/s 62 tok/s | ~313 ms ~316 ms ~322 ms | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 470 tok/s 383 tok/s 272 tok/s | ~55 ms ~55 ms ~56 ms | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 500 tok/s 421 tok/s 312 tok/s | ~44 ms ~45 ms ~45 ms | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 410 tok/s 313 tok/s 206 tok/s | ~82 ms ~83 ms ~85 ms | |
#191 | Llama 3 70B | 70B | INT4 Q8 FP16 | 103 tok/s 61 tok/s 32 tok/s | ~673 ms ~680 ms ~694 ms | |
#192 | Command R Plus | 104B | INT4 Q8 FP16 | 59 tok/s 38 tok/s 20 tok/s | ~1.0s ~1.0s ~1.1s | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 460 tok/s 411 tok/s 327 tok/s | ~35 ms ~35 ms ~36 ms | |
#194 | ERNIE-4.5-300B-A47B | 300B (47B active) | INT4 | 128 tok/s | ~515 ms | |
#195 | Qwen3-14B | 14B | INT4 Q8 FP16 | 314 tok/s 222 tok/s 135 tok/s | ~141 ms ~142 ms ~145 ms | |
#196 | Kimi Linear 48B A3B Instruct | 48B (3B active) | INT4 Q8 FP16 | 291 tok/s 278 tok/s 237 tok/s | ~49 ms ~49 ms ~49 ms | |
#197 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 386 tok/s 291 tok/s 188 tok/s | ~92 ms ~93 ms ~95 ms | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 425 tok/s 332 tok/s 224 tok/s | ~73 ms ~74 ms ~75 ms | |
#199 | Qwen3-8B | 8B | INT4 Q8 FP16 | 405 tok/s 310 tok/s 204 tok/s | ~83 ms ~83 ms ~85 ms | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 500 tok/s 421 tok/s 312 tok/s | ~44 ms ~45 ms ~45 ms | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 430 tok/s 334 tok/s 225 tok/s | ~73 ms ~74 ms ~75 ms | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 405 tok/s 310 tok/s 204 tok/s | ~83 ms ~83 ms ~85 ms | |
#203 | Mixtral-8x22B-v0.1 | 176B (22B active) | INT4 Q8 | 220 tok/s 152 tok/s | ~250 ms ~252 ms | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 579 tok/s 531 tok/s 447 tok/s | ~22 ms ~22 ms ~22 ms | |
#205 | Command R | 35B | INT4 Q8 FP16 | 147 tok/s 100 tok/s 58 tok/s | ~341 ms ~344 ms ~351 ms | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 640 tok/s 631 tok/s 609 tok/s | ~6 ms ~6 ms ~6 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 FP16 | 405 tok/s 310 tok/s 204 tok/s | ~83 ms ~83 ms ~85 ms | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 633 tok/s 612 tok/s 568 tok/s | ~10 ms ~10 ms ~10 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 506 tok/s 429 tok/s 320 tok/s | ~42 ms ~43 ms ~43 ms | |
#211 | Mixtral-8x7B-v0.1 | 46.7B (7B active) | INT4 Q8 FP16 | 401 tok/s 318 tok/s 217 tok/s | ~84 ms ~85 ms ~86 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 405 tok/s 310 tok/s 204 tok/s | ~83 ms ~83 ms ~85 ms | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 588 tok/s 543 tok/s 465 tok/s | ~20 ms ~20 ms ~20 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 532 tok/s 462 tok/s 359 tok/s | ~35 ms ~35 ms ~35 ms | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 622 tok/s 595 tok/s 541 tok/s | ~12 ms ~12 ms ~12 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 506 tok/s 429 tok/s 320 tok/s | ~42 ms ~43 ms ~43 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 460 tok/s 429 tok/s 364 tok/s | ~27 ms ~27 ms ~27 ms | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 419 tok/s 325 tok/s 217 tok/s | ~76 ms ~76 ms ~78 ms | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 611 tok/s 578 tok/s 516 tok/s | ~15 ms ~15 ms ~15 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 567 tok/s 512 tok/s 422 tok/s | ~25 ms ~25 ms ~26 ms | |
#221 | Phi-3-medium | 14B | INT4 Q8 FP16 | 314 tok/s 222 tok/s 135 tok/s | ~141 ms ~142 ms ~145 ms | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 360 tok/s 294 tok/s 206 tok/s | ~73 ms ~74 ms ~75 ms | |
#223 | Yi-34B | 34B | INT4 Q8 FP16 | 149 tok/s 102 tok/s 59 tok/s | ~332 ms ~335 ms ~342 ms | |
#224 | Qwen2-7B | 7B | INT4 Q8 FP16 | 425 tok/s 332 tok/s 224 tok/s | ~73 ms ~74 ms ~75 ms | |
#225 | Phi-3-small | 7B | INT4 Q8 FP16 | 425 tok/s 332 tok/s 224 tok/s | ~73 ms ~74 ms ~75 ms | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 611 tok/s 578 tok/s 516 tok/s | ~15 ms ~15 ms ~15 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 419 tok/s 325 tok/s 217 tok/s | ~76 ms ~76 ms ~78 ms | |
#228 | Falcon-180B | 180B | INT4 Q8 | 45 tok/s 26 tok/s | ~1.7s ~1.7s | |
#229 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 360 tok/s 294 tok/s 206 tok/s | ~73 ms ~74 ms ~75 ms | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 576 tok/s 519 tok/s 427 tok/s | ~25 ms ~25 ms ~26 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 381 tok/s 316 tok/s 227 tok/s | ~64 ms ~64 ms ~65 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 381 tok/s 316 tok/s 227 tok/s | ~64 ms ~64 ms ~65 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 381 tok/s 316 tok/s 227 tok/s | ~64 ms ~64 ms ~65 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 639 tok/s 620 tok/s 583 tok/s | ~9 ms ~9 ms ~9 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 639 tok/s 620 tok/s 583 tok/s | ~9 ms ~9 ms ~9 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 637 tok/s 627 tok/s 603 tok/s | ~7 ms ~7 ms ~7 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 637 tok/s 627 tok/s 603 tok/s | ~7 ms ~7 ms ~7 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 618 tok/s 584 tok/s 520 tok/s | ~15 ms ~15 ms ~15 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 611 tok/s 578 tok/s 516 tok/s | ~15 ms ~15 ms ~15 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 588 tok/s 543 tok/s 465 tok/s | ~20 ms ~20 ms ~20 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 588 tok/s 543 tok/s 465 tok/s | ~20 ms ~20 ms ~20 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 579 tok/s 531 tok/s 447 tok/s | ~22 ms ~22 ms ~22 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 575 tok/s 525 tok/s 438 tok/s | ~23 ms ~23 ms ~23 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 541 tok/s 469 tok/s 362 tok/s | ~34 ms ~35 ms ~35 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 538 tok/s 509 tok/s 447 tok/s | ~18 ms ~18 ms ~18 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 538 tok/s 509 tok/s 447 tok/s | ~18 ms ~18 ms ~18 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 538 tok/s 509 tok/s 447 tok/s | ~18 ms ~18 ms ~18 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 534 tok/s 464 tok/s 360 tok/s | ~35 ms ~35 ms ~35 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 532 tok/s 462 tok/s 359 tok/s | ~35 ms ~35 ms ~35 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 532 tok/s 462 tok/s 359 tok/s | ~35 ms ~35 ms ~35 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 FP16 | 508 tok/s 446 tok/s 349 tok/s | ~41 ms ~42 ms ~42 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 FP16 | 508 tok/s 446 tok/s 349 tok/s | ~41 ms ~42 ms ~42 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 Q8 FP16 | 502 tok/s 442 tok/s 346 tok/s | ~43 ms ~44 ms ~44 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 Q8 FP16 | 502 tok/s 442 tok/s 346 tok/s | ~43 ms ~44 ms ~44 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 Q8 FP16 | 500 tok/s 440 tok/s 345 tok/s | ~44 ms ~44 ms ~45 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 500 tok/s 421 tok/s 312 tok/s | ~44 ms ~45 ms ~45 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 469 tok/s 423 tok/s 342 tok/s | ~32 ms ~32 ms ~33 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 460 tok/s 411 tok/s 327 tok/s | ~35 ms ~35 ms ~36 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 460 tok/s 411 tok/s 327 tok/s | ~35 ms ~35 ms ~36 ms | |
- | AliceAI Foundation 80B A3B Base | 80B (3B active) | INT4 Q8 FP16 | 457 tok/s 409 tok/s 326 tok/s | ~59 ms ~59 ms ~60 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 433 tok/s 337 tok/s 226 tok/s | ~73 ms ~74 ms ~75 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 425 tok/s 332 tok/s 224 tok/s | ~73 ms ~74 ms ~75 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 425 tok/s 332 tok/s 224 tok/s | ~73 ms ~74 ms ~75 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 419 tok/s 325 tok/s 217 tok/s | ~76 ms ~76 ms ~78 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 386 tok/s 291 tok/s 188 tok/s | ~92 ms ~93 ms ~95 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 386 tok/s 291 tok/s 188 tok/s | ~92 ms ~93 ms ~95 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 381 tok/s 316 tok/s 227 tok/s | ~64 ms ~64 ms ~65 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 381 tok/s 316 tok/s 227 tok/s | ~64 ms ~64 ms ~65 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 FP16 | 370 tok/s 342 tok/s 282 tok/s | ~41 ms ~41 ms ~41 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 369 tok/s 274 tok/s 174 tok/s | ~102 ms ~103 ms ~105 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 362 tok/s 262 tok/s 164 tok/s | ~111 ms ~112 ms ~115 ms | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 360 tok/s 294 tok/s 206 tok/s | ~73 ms ~74 ms ~75 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 360 tok/s 294 tok/s 206 tok/s | ~73 ms ~74 ms ~75 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 358 tok/s 292 tok/s 204 tok/s | ~74 ms ~75 ms ~76 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 358 tok/s 292 tok/s 204 tok/s | ~74 ms ~75 ms ~76 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 342 tok/s 274 tok/s 188 tok/s | ~83 ms ~84 ms ~85 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 342 tok/s 274 tok/s 188 tok/s | ~83 ms ~84 ms ~85 ms | |
- | Laguna S 2.1 | 118B (8B active) | INT4 Q8 FP16 | 340 tok/s 273 tok/s 178 tok/s | ~120 ms ~121 ms ~133 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 323 tok/s 256 tok/s 173 tok/s | ~93 ms ~94 ms ~95 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 323 tok/s 256 tok/s 173 tok/s | ~93 ms ~94 ms ~95 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 323 tok/s 256 tok/s 173 tok/s | ~93 ms ~94 ms ~95 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 323 tok/s 256 tok/s 173 tok/s | ~93 ms ~94 ms ~95 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 320 tok/s 253 tok/s 170 tok/s | ~95 ms ~96 ms ~97 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 320 tok/s 253 tok/s 170 tok/s | ~95 ms ~96 ms ~97 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 FP16 | 257 tok/s 194 tok/s 124 tok/s | ~141 ms ~143 ms ~145 ms | |
- | Hunyuan A13B | 80B (13B active) | INT4 Q8 FP16 | 174 tok/s 148 tok/s 106 tok/s | ~154 ms ~155 ms ~157 ms | |
- | Falcon-40B | 40B | INT4 Q8 FP16 | 165 tok/s 101 tok/s 55 tok/s | ~387 ms ~391 ms ~399 ms | |
- | ERNIE-4.5-300B-A47B-Base | 300B (47B active) | INT4 | 128 tok/s | ~515 ms | |
- | ERNIE-4.5-VL-424B-A47B | 424B (47B active) | INT4 | 118 tok/s | ~584 ms | |
- | ERNIE-4.5-VL-424B-A47B-Base | 424B (47B active) | INT4 | 118 tok/s | ~584 ms | |
- | MiMo V2.6 Flash RL | 309B (15B active) | INT4 | 90 tok/s | ~228 ms | |
- | Typhoon-2-70B | 70B | INT4 Q8 FP16 | 84 tok/s 55 tok/s 30 tok/s | ~675 ms ~682 ms ~696 ms | |
- | Kimi-Dev-72B | 72B | INT4 Q8 FP16 | 82 tok/s 53 tok/s 30 tok/s | ~695 ms ~701 ms ~716 ms | |
- | GLM-130B | 130B | INT4 Q8 | 49 tok/s 31 tok/s | ~1.2s ~1.3s | |
推理能力评估
不同量化精度下可运行的最大模型参数级别。
上下文长度:
4位量化
70B+ 模型
8位精度
70B 模型
16位全精度
70B 模型
微调能力评估
本地模型训练与适配器微调支持能力。
微调上下文:
QLoRA
70B+ 模型
LoRA
70B 模型
全参数微调
7B-8B 模型
负载与选型建议
Instinct MI325X (256GB) 上的最佳量化精度与运行规格建议。
最佳推理区间
适合在 Q4/Q8 精度下运行 70B 参数级模型并支持 32k 上下文扩展，或对中小型模型进行高并发批处理推理。
显存带宽与推理速率
具备 6000 GB/s 聚合带宽，单批次推理处于显存带宽受限模式。8B Q4 模型预估生成速度约 1333 tok/s，70B Q4 模型预估生成速度约 158 tok/s。