趋近智
NVIDIA A10G (24GB)
NVIDIA A10G (24GB) 配备 24 GB 专用显存与 600 GB/s 显存带宽，支持 CUDA 和 TensorRT-LLM 运行环境，可进行全精度与量化大模型推理。
总显存
24 GB
可用显存上限
24 GB
显存带宽
600 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
300W
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:
NVIDIA A10G (24GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA A10G (24GB) 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 |
|---|---|---|---|---|---|---|
#36 | Qwen 3.8 27B | 27B | INT4 | 30 tok/s | ~4.8s | |
#80 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 122 tok/s | ~1.0s | |
#86 | Qwen3.5-27B | 27B | INT4 | 30 tok/s | ~4.8s | |
#93 | Sarvam-30B | 32B (2.4B active) | INT4 | 171 tok/s | ~652 ms | |
#99 | Muse Glimmer 30B | 30B | INT4 | 27 tok/s | ~5.3s | |
#102 | Phi-4 Reasoning Plus | 14B | INT4 Q8 | 39 tok/s 26 tok/s | ~2.5s ~2.5s | |
#103 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 144 tok/s | ~827 ms | |
#105 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 3 tok/s 1 tok/s | ~52.2s ~57.0s | |
#110 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 138 tok/s | ~855 ms | |
#120 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 144 tok/s | ~827 ms | |
#121 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 81 tok/s 48 tok/s 24 tok/s | ~1.6s ~1.6s ~1.8s | |
#127 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
#130 | Gemma 4 12B | 11.95B | INT4 Q8 | 45 tok/s 30 tok/s | ~2.2s ~2.2s | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 154 tok/s 97 tok/s 54 tok/s | ~746 ms ~750 ms ~758 ms | |
#139 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 63 tok/s | ~808 ms | |
#140 | GLM-4V | 9B | INT4 Q8 FP16 | 57 tok/s 39 tok/s 21 tok/s | ~1.6s ~1.6s ~1.8s | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 26 tok/s 15 tok/s 8 tok/s | ~5.1s ~5.2s ~5.2s | |
#150 | Qwen3-30B-A3B | 30B (3B active) | INT4 | 154 tok/s | ~746 ms | |
#152 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 89 tok/s 53 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#157 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 89 tok/s 53 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#161 | GLM-4 | 32B | INT4 | 18 tok/s | ~6.6s | |
#163 | Gemma 3 27B | 27B | INT4 | 30 tok/s | ~4.8s | |
#164 | Phi-4 | 14B | INT4 Q8 | 54 tok/s 32 tok/s | ~2.5s ~2.5s | |
#166 | Qwen3-32B | 32B | INT4 | 25 tok/s | ~5.6s | |
#168 | DeepSeek-R1 32B | 32B | INT4 | 26 tok/s | ~5.6s | |
#169 | Gemma 4 31B | 30.7B | INT4 | 26 tok/s | ~5.4s | |
#171 | Magistral Small | 24B | INT4 | 25 tok/s | ~4.3s | |
#172 | Qwen2.5-32B | 32B | INT4 | 25 tok/s | ~5.6s | |
#174 | OLMo 3.1 32B Instruct | 32B | INT4 | 18 tok/s | ~6.6s | |
#176 | DeepSeek-R1 14B | 14B | INT4 Q8 | 56 tok/s 32 tok/s | ~2.5s ~2.5s | |
#177 | Ministral 3 14B | 14B | INT4 Q8 | 39 tok/s 26 tok/s | ~2.5s ~2.5s | |
#180 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 63 tok/s 37 tok/s 17 tok/s | ~2.2s ~2.2s ~2.6s | |
#184 | Mistral-Small-2501 | 24B | INT4 | 33 tok/s | ~4.3s | |
#185 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 63 tok/s 44 tok/s 24 tok/s | ~1.5s ~1.5s ~1.6s | |
#186 | Gemma 2 27B | 27B | INT4 | 30 tok/s | ~4.8s | |
#187 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 70 tok/s 49 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 241 tok/s 166 tok/s 98 tok/s | ~397 ms ~399 ms ~403 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 241 tok/s 166 tok/s 98 tok/s | ~397 ms ~399 ms ~403 ms | |
#190 | Qwen2.5-14B | 14B | INT4 Q8 | 54 tok/s 32 tok/s | ~2.5s ~2.5s | |
#191 | OLMo 3.1 32B Think | 32B | INT4 | 18 tok/s | ~6.6s | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 128 tok/s 79 tok/s 43 tok/s | ~939 ms ~944 ms ~955 ms | |
#195 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 121 tok/s 92 tok/s 59 tok/s | ~574 ms ~576 ms ~583 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 92 tok/s 54 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#198 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 81 tok/s 48 tok/s 24 tok/s | ~1.6s ~1.6s ~1.8s | |
#199 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 | 154 tok/s | ~746 ms | |
#201 | Qwen3-4B | 4B | INT4 Q8 FP16 | 154 tok/s 97 tok/s 54 tok/s | ~746 ms ~750 ms ~758 ms | |
#202 | Qwen3-14B | 14B | INT4 Q8 | 54 tok/s 32 tok/s | ~2.5s ~2.5s | |
#203 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 154 tok/s 97 tok/s 54 tok/s | ~746 ms ~750 ms ~758 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 102 tok/s 61 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
#205 | OLMo 3 32B Base | 32B | INT4 | 18 tok/s | ~6.6s | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 390 tok/s 302 tok/s 201 tok/s | ~162 ms ~163 ms ~165 ms | |
#207 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 89 tok/s 53 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#207 | Qwen3-8B | 8B | INT4 Q8 FP16 | 89 tok/s 53 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#210 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 54 tok/s | ~822 ms | |
#211 | Command R | 35B | INT4 | 16 tok/s | ~7.2s | |
#212 | Llama 3 8B | 8B | INT4 Q8 FP16 | 89 tok/s 53 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 266 tok/s 187 tok/s 112 tok/s | ~340 ms ~341 ms ~345 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 473 tok/s 426 tok/s 344 tok/s | ~55 ms ~55 ms ~56 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 437 tok/s 351 tok/s 244 tok/s | ~120 ms ~121 ms ~122 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 160 tok/s 102 tok/s 56 tok/s | ~711 ms ~715 ms ~723 ms | |
#218 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
#220 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 89 tok/s 53 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 286 tok/s 204 tok/s 125 tok/s | ~301 ms ~302 ms ~305 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 160 tok/s 102 tok/s 56 tok/s | ~711 ms ~715 ms ~723 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 121 tok/s 102 tok/s 72 tok/s | ~428 ms ~429 ms ~433 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 241 tok/s 166 tok/s 98 tok/s | ~397 ms ~399 ms ~403 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 96 tok/s 58 tok/s 31 tok/s | ~1.3s ~1.3s ~1.3s | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 350 tok/s 264 tok/s 170 tok/s | ~206 ms ~207 ms ~209 ms | |
#228 | Phi-3-medium | 14B | INT4 Q8 | 54 tok/s 32 tok/s | ~2.5s ~2.5s | |
#229 | Yi-34B | 34B | INT4 | 17 tok/s | ~7.0s | |
#230 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 70 tok/s 49 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
#231 | Qwen2-7B | 7B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
#232 | Phi-3-small | 7B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 96 tok/s 58 tok/s 31 tok/s | ~1.3s ~1.3s ~1.3s | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 350 tok/s 264 tok/s 170 tok/s | ~206 ms ~207 ms ~209 ms | |
#236 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 70 tok/s 49 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 259 tok/s 174 tok/s 101 tok/s | ~397 ms ~398 ms ~403 ms | |
#238 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 78 tok/s 55 tok/s 33 tok/s | ~1.1s ~1.1s ~1.1s | |
#239 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 78 tok/s 55 tok/s 33 tok/s | ~1.1s ~1.1s ~1.1s | |
#240 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 78 tok/s 55 tok/s 33 tok/s | ~1.1s ~1.1s ~1.1s | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 531 tok/s 462 tok/s 358 tok/s | ~61 ms ~61 ms ~62 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 465 tok/s 382 tok/s 273 tok/s | ~100 ms ~101 ms ~102 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 465 tok/s 382 tok/s 273 tok/s | ~100 ms ~101 ms ~102 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 454 tok/s 407 tok/s 324 tok/s | ~61 ms ~61 ms ~62 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 454 tok/s 407 tok/s 324 tok/s | ~61 ms ~61 ms ~62 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 437 tok/s 351 tok/s 244 tok/s | ~120 ms ~121 ms ~122 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 372 tok/s 275 tok/s 175 tok/s | ~206 ms ~207 ms ~209 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 350 tok/s 264 tok/s 170 tok/s | ~206 ms ~207 ms ~209 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 350 tok/s 264 tok/s 170 tok/s | ~206 ms ~207 ms ~209 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 286 tok/s 204 tok/s 125 tok/s | ~301 ms ~302 ms ~305 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 286 tok/s 204 tok/s 125 tok/s | ~301 ms ~302 ms ~305 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 266 tok/s 187 tok/s 112 tok/s | ~340 ms ~341 ms ~345 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 258 tok/s 180 tok/s 107 tok/s | ~358 ms ~359 ms ~363 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 200 tok/s 128 tok/s 71 tok/s | ~571 ms ~573 ms ~580 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 196 tok/s 162 tok/s 113 tok/s | ~264 ms ~265 ms ~268 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 196 tok/s 162 tok/s 113 tok/s | ~264 ms ~265 ms ~268 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 196 tok/s 162 tok/s 113 tok/s | ~264 ms ~265 ms ~268 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 191 tok/s 124 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 FP16 | 191 tok/s 133 tok/s 71 tok/s | ~558 ms ~560 ms ~664 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 188 tok/s 123 tok/s 70 tok/s | ~571 ms ~574 ms ~580 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 | 175 tok/s | ~632 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 162 tok/s 101 tok/s | ~698 ms ~824 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 162 tok/s 101 tok/s | ~698 ms ~824 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 156 tok/s | ~734 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 156 tok/s | ~734 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 154 tok/s 97 tok/s 54 tok/s | ~746 ms ~750 ms ~758 ms | |
- | Hy-Memory 30B A3B | 30B (3B active) | INT4 | 154 tok/s | ~746 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 | 154 tok/s | ~746 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 154 tok/s 97 tok/s 54 tok/s | ~746 ms ~750 ms ~758 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 147 tok/s 118 tok/s 79 tok/s | ~399 ms ~401 ms ~405 ms | |
- | MiniCPM-V 4.7 35B A3B | 35B (3B active) | INT4 | 144 tok/s | ~827 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 128 tok/s 99 tok/s 64 tok/s | ~521 ms ~524 ms ~529 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 121 tok/s 92 tok/s 59 tok/s | ~574 ms ~576 ms ~583 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 121 tok/s 92 tok/s 59 tok/s | ~574 ms ~576 ms ~583 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 104 tok/s 62 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 100 tok/s 60 tok/s 32 tok/s | ~1.3s ~1.3s ~1.3s | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 96 tok/s 58 tok/s 31 tok/s | ~1.3s ~1.3s ~1.3s | |
- | Youtu Parsing Omni | 8B | INT4 Q8 FP16 | 92 tok/s 54 tok/s 28 tok/s | ~1.4s ~1.5s ~1.5s | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 81 tok/s 48 tok/s 24 tok/s | ~1.6s ~1.6s ~1.8s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 81 tok/s 48 tok/s 24 tok/s | ~1.6s ~1.6s ~1.8s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 78 tok/s 55 tok/s 33 tok/s | ~1.1s ~1.1s ~1.1s | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 78 tok/s 55 tok/s 33 tok/s | ~1.1s ~1.1s ~1.1s | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 74 tok/s 43 tok/s 22 tok/s | ~1.8s ~1.8s ~2.0s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 74 tok/s 60 tok/s | ~677 ms ~738 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 71 tok/s 41 tok/s 19 tok/s | ~2.0s ~2.0s ~2.4s | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 70 tok/s 49 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 70 tok/s 49 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 69 tok/s 48 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 69 tok/s 48 tok/s 28 tok/s | ~1.3s ~1.3s ~1.3s | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 63 tok/s 44 tok/s 24 tok/s | ~1.5s ~1.5s ~1.6s | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 63 tok/s 44 tok/s 24 tok/s | ~1.5s ~1.5s ~1.6s | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 57 tok/s 39 tok/s 21 tok/s | ~1.6s ~1.6s ~1.8s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 57 tok/s 39 tok/s 21 tok/s | ~1.6s ~1.6s ~1.8s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 57 tok/s 39 tok/s 21 tok/s | ~1.6s ~1.6s ~1.8s | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 57 tok/s 39 tok/s 21 tok/s | ~1.6s ~1.6s ~1.8s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 56 tok/s 38 tok/s 21 tok/s | ~1.7s ~1.7s ~1.8s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 56 tok/s 38 tok/s 21 tok/s | ~1.7s ~1.7s ~1.8s | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 | 39 tok/s 26 tok/s | ~2.5s ~2.5s | |
- | AREX-2 | 27B | INT4 | 30 tok/s | ~4.8s | |
- | PPLX Decider v1 27B | 27B | INT4 | 30 tok/s | ~4.8s | |
- | PPLX Decider v1.1 27B | 27B | INT4 | 30 tok/s | ~4.8s | |
- | Agnes 3.0 Flash | 33B | INT4 | 25 tok/s | ~5.8s | |
- | Falcon-40B | 40B | INT4 | 20 tok/s | ~7.6s | |
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
32B 模型
8位精度
14B 模型
16位全精度
8B 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
32B 模型
LoRA
14B 模型
全参数微调
3B 模型
负载与选型建议
NVIDIA A10G (24GB) 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 600 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 133 tok/s，70B Q4 模型预估生成速度约 16 tok/s。