ApX 标志ApX 标志

趋近智

Radeon PRO W6800 (32GB)

Radeon PRO W6800 (32GB) 提供 32 GB 显存/内存与 512 GB/s 带宽,支持通过 ROCm 与 Vulkan 加速进行本地推理。

总显存

32 GB

可用显存上限

32 GB

显存带宽

512 GB/s

最大推理模型级别

32B 模型 (Q4)

热设计功耗

250W

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)。

DeepSeek-R1 7B (7B)LensVLM 9B (9B)Nemotron 3.5 Lightning (30B (3B active))Qwen3 Next 80B A3B (80B (79B active))

量化精度:

Radeon PRO W6800 (32GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Radeon PRO W6800 (32GB) 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 TPSTTFT可运行

#33

Qwen 3.8 27B

27B

INT4
Q8

26 tok/s

14 tok/s

~8.3s

~9.1s

#48

Agnes 3.0 Flash

33B

INT4

22 tok/s

~10.1s

#72

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4

104 tok/s

~1.6s

#83

Qwen3.5-27B

27B

INT4
Q8

26 tok/s

14 tok/s

~8.3s

~9.1s

#92

Sarvam-30B

32B (2.4B active)

INT4

133 tok/s

~1.1s

#94

Qwen3.6 35B A3B

35B (3B active)

INT4

120 tok/s

~1.3s

#96

Muse Glimmer 30B

30B

INT4
Q8

24 tok/s

12 tok/s

~9.3s

~10.9s

#100

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

34 tok/s

23 tok/s

12 tok/s

~4.4s

~4.4s

~5.2s

#101

MiMo V2 Flash

15B (309B active)

INT4
Q8

3 tok/s

1 tok/s

~91.2s

~91.6s

#108

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8

111 tok/s

74 tok/s

~1.5s

~1.6s

#109

Gemma 4 12B

11.95B

INT4
Q8
FP16

39 tok/s

27 tok/s

15 tok/s

~3.8s

~3.8s

~4.1s

#113

Qwen3.5-9B

9B

INT4
Q8
FP16

68 tok/s

41 tok/s

22 tok/s

~2.8s

~2.9s

~2.9s

#114

Qwen3.5-35B-A3B

35B (3B active)

INT4

120 tok/s

~1.3s

#118

K2 Horizon 7B

7B

INT4
Q8
FP16

83 tok/s

52 tok/s

28 tok/s

~2.2s

~2.2s

~2.2s

#128

NVIDIA Nemotron 3 Nano 30B-A3B

3.5B (30B active)

INT4
Q8
FP16

23 tok/s

13 tok/s

7 tok/s

~9.0s

~9.0s

~9.1s

#129

Gemma 4 31B

30.7B

INT4
Q8

23 tok/s

12 tok/s

~9.5s

~11.2s

#131

Nemotron 3.5 Lightning

30B (3B active)

INT4

49 tok/s

~1.3s

#132

Qwen3.5-4B

4B

INT4
Q8
FP16

122 tok/s

81 tok/s

46 tok/s

~1.3s

~1.3s

~1.3s

#133

Qwen3-30B-A3B

30B (3B active)

INT4
Q8

122 tok/s

80 tok/s

~1.3s

~1.5s

#136

GPT-OSS 20B

21B (3.6B active)

INT4
Q8

54 tok/s

45 tok/s

~1.4s

~1.5s

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

Q4

32B 模型

8位精度

Q8

14B 模型

16位全精度

FP16

14B 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

4-bit

32B 模型

LoRA

16-bit

14B 模型

全参数微调

3B 模型

负载与选型建议

Radeon PRO W6800 (32GB) 上的最佳量化精度与运行规格建议。

最佳推理区间

适合在全精度或 Q8 精度下运行 14B 模型,以及在 Q4 精度下搭配最高 32k 上下文运行 32B 模型。

显存带宽与推理速率

具备 512 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 114 tok/s,70B Q4 模型预估生成速度约 13 tok/s。

常见问题解答