ApX 标志ApX 标志

趋近智

Radeon PRO W7800 (32GB)

Radeon PRO W7800 (32GB) 提供 32 GB 显存/内存与 576 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

576 GB/s

最大推理模型级别

32B 模型 (Q4)

热设计功耗

260W

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)Sahabat-AI-Gemma2-9B (9.2B)Qwen 3.8 27B (27B)Qwen3 Next 80B A3B (80B (79B active))

量化精度:

Radeon PRO W7800 (32GB) 最佳运行大模型与速度矩阵

主流开源大模型在 Radeon PRO W7800 (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

#48

Qwen 3.8 27B

27B

INT4
Q8

29 tok/s

16 tok/s

~3.7s

~4.1s

#83

K2 Horizon MoVA 36B A4B

36B (4B active)

INT4

104 tok/s

~737 ms

#93

Qwen3.5-27B

27B

INT4
Q8

29 tok/s

16 tok/s

~3.7s

~4.1s

#105

Sarvam-30B

32B (2.4B active)

INT4

129 tok/s

~516 ms

#106

Qwen3.6 35B A3B

35B (3B active)

INT4

118 tok/s

~601 ms

#110

Muse Glimmer 30B

30B

INT4
Q8

26 tok/s

14 tok/s

~4.1s

~4.9s

#111

MiMo V2 Flash

15B (309B active)

INT4
Q8

3 tok/s

2 tok/s

~40.8s

~41.1s

#112

Phi-4 Reasoning Plus

14B

INT4
Q8
FP16

37 tok/s

25 tok/s

13 tok/s

~2.0s

~2.0s

~2.4s

#117

Gemma 4 26B A4B

25.2B (3.8B active)

INT4
Q8

110 tok/s

76 tok/s

~675 ms

~736 ms

#125

Qwen3.5-9B

9B

INT4
Q8
FP16

70 tok/s

44 tok/s

24 tok/s

~1.3s

~1.3s

~1.3s

#126

Qwen3.5-35B-A3B

35B (3B active)

INT4

118 tok/s

~601 ms

#128

K2 Horizon 7B

7B

INT4
Q8
FP16

84 tok/s

55 tok/s

31 tok/s

~1.0s

~1.0s

~1.0s

#135

Gemma 4 12B

11.95B

INT4
Q8
FP16

42 tok/s

29 tok/s

16 tok/s

~1.7s

~1.7s

~1.9s

#140

Qwen3.5-4B

4B

INT4
Q8
FP16

119 tok/s

83 tok/s

49 tok/s

~590 ms

~594 ms

~602 ms

#143

GPT-OSS 20B

21B (3.6B active)

INT4
Q8

57 tok/s

47 tok/s

~640 ms

~697 ms

#144

GLM-4V

9B

INT4
Q8
FP16

52 tok/s

37 tok/s

22 tok/s

~1.3s

~1.3s

~1.3s

#150

NVIDIA Nemotron 3 Nano 30B-A3B

3.5B (30B active)

INT4
Q8
FP16

25 tok/s

15 tok/s

8 tok/s

~4.0s

~4.0s

~4.1s

#153

Qwen3-30B-A3B

30B (3B active)

INT4
Q8

119 tok/s

81 tok/s

~589 ms

~694 ms

#158

Granite 4.2 8B

8B

INT4
Q8
FP16

77 tok/s

49 tok/s

27 tok/s

~1.1s

~1.1s

~1.2s

#159

Gemma 4 E4B

8B

INT4
Q8
FP16

77 tok/s

49 tok/s

27 tok/s

~1.1s

~1.1s

~1.2s

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 W7800 (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 576 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 128 tok/s,70B Q4 模型预估生成速度约 15 tok/s。

常见问题解答