趋近智
NVIDIA A2 (16GB)
NVIDIA A2 (16GB) 配备 16 GB 专用显存与 200 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
16 GB
可用显存上限
16 GB
显存带宽
200 GB/s
最大推理模型级别
14B 模型 (Q4)
热设计功耗
60W
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 A2 (16GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA A2 (16GB) 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 |
|---|---|---|---|---|---|---|
#33 | Qwen 3.8 27B | 27B | INT4 | 9 tok/s | ~21.8s | |
#83 | Qwen3.5-27B | 27B | INT4 | 9 tok/s | ~21.8s | |
#100 | Phi-4 Reasoning Plus | 14B | INT4 | 14 tok/s | ~9.8s | |
#101 | MiMo V2 Flash | 15B (309B active) | INT4 | 1 tok/s | ~220.2s | |
#108 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 51 tok/s | ~3.6s | |
#109 | Gemma 4 12B | 11.95B | INT4 Q8 | 16 tok/s 9 tok/s | ~8.3s ~9.9s | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 | 29 tok/s 17 tok/s | ~6.3s ~6.3s | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~4.9s ~5.0s ~5.9s | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 9 tok/s 5 tok/s 3 tok/s | ~19.9s ~20.0s ~20.1s | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 61 tok/s 36 tok/s 19 tok/s | ~2.9s ~2.9s ~2.9s | |
#136 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 20 tok/s | ~3.7s | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 | 33 tok/s 19 tok/s | ~5.6s ~5.6s | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 | 33 tok/s 19 tok/s | ~5.6s ~5.6s | |
#158 | GLM-4V | 9B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.3s ~6.9s | |
#159 | Gemma 3 27B | 27B | INT4 | 9 tok/s | ~21.8s | |
#160 | Phi-4 | 14B | INT4 Q8 | 19 tok/s 10 tok/s | ~9.7s ~11.5s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 | 25 tok/s 17 tok/s | ~4.9s ~5.0s | |
#172 | DeepSeek-R1 14B | 14B | INT4 Q8 | 20 tok/s 10 tok/s | ~9.7s ~11.5s | |
#173 | Ministral 3 14B | 14B | INT4 | 14 tok/s | ~9.8s | |
#177 | Gemma 3 12B | 12B | INT4 Q8 | 22 tok/s 12 tok/s | ~8.4s ~9.1s | |
#181 | Mistral-Small-2501 | 24B | INT4 | 11 tok/s | ~17.9s | |
#182 | Ministral 3 8B | 8B | INT4 Q8 | 23 tok/s 15 tok/s | ~5.6s ~5.6s | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 106 tok/s 66 tok/s 36 tok/s | ~1.5s ~1.5s ~1.5s | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 106 tok/s 66 tok/s 36 tok/s | ~1.5s ~1.5s ~1.5s | |
#185 | Qwen2.5-14B | 14B | INT4 Q8 | 19 tok/s 10 tok/s | ~9.7s ~11.5s | |
#186 | Gemma 2 27B | 27B | INT4 | 9 tok/s | ~21.8s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 49 tok/s 29 tok/s 15 tok/s | ~3.6s ~3.6s ~3.7s | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 61 tok/s 36 tok/s 19 tok/s | ~2.9s ~2.9s ~2.9s | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 | 34 tok/s 19 tok/s | ~5.6s ~5.6s | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 46 tok/s 34 tok/s 21 tok/s | ~2.2s ~2.2s ~2.2s | |
#195 | Qwen3-14B | 14B | INT4 Q8 | 19 tok/s 10 tok/s | ~9.7s ~11.5s | |
#197 | Gemma 2 9B | 9B | INT4 Q8 | 29 tok/s 17 tok/s | ~6.3s ~6.3s | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~4.9s ~5.0s ~5.9s | |
#199 | Qwen3-8B | 8B | INT4 Q8 | 33 tok/s 19 tok/s | ~5.6s ~5.6s | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 61 tok/s 36 tok/s 19 tok/s | ~2.9s ~2.9s ~2.9s | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 38 tok/s 22 tok/s 11 tok/s | ~4.9s ~4.9s ~5.4s | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 | 33 tok/s 19 tok/s | ~5.6s ~5.6s | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 121 tok/s 77 tok/s 42 tok/s | ~1.3s ~1.3s ~1.3s | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 299 tok/s 247 tok/s 175 tok/s | ~203 ms ~204 ms ~205 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 | 33 tok/s 19 tok/s | ~5.6s ~5.6s | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 259 tok/s 180 tok/s 108 tok/s | ~457 ms ~459 ms ~463 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 63 tok/s 38 tok/s 20 tok/s | ~2.8s ~2.8s ~2.8s | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 | 33 tok/s 19 tok/s | ~5.6s ~5.6s | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 133 tok/s 85 tok/s 47 tok/s | ~1.2s ~1.2s ~1.2s | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 77 tok/s 47 tok/s 25 tok/s | ~2.2s ~2.2s ~2.2s | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 213 tok/s 144 tok/s 84 tok/s | ~620 ms ~622 ms ~627 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 63 tok/s 38 tok/s 20 tok/s | ~2.8s ~2.8s ~2.8s | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 46 tok/s 38 tok/s 24 tok/s | ~1.6s ~1.7s ~1.8s | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 36 tok/s 20 tok/s 10 tok/s | ~5.1s ~5.2s ~6.1s | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 179 tok/s 119 tok/s 68 tok/s | ~789 ms ~792 ms ~798 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 106 tok/s 66 tok/s 36 tok/s | ~1.5s ~1.5s ~1.5s | |
#221 | Phi-3-medium | 14B | INT4 Q8 | 19 tok/s 10 tok/s | ~9.7s ~11.5s | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 | 25 tok/s 17 tok/s | ~4.9s ~5.0s | |
#224 | Qwen2-7B | 7B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~4.9s ~5.0s ~5.9s | |
#225 | Phi-3-small | 7B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~4.9s ~5.0s ~5.9s | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 179 tok/s 119 tok/s 68 tok/s | ~789 ms ~792 ms ~798 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 36 tok/s 20 tok/s 10 tok/s | ~5.1s ~5.2s ~6.1s | |
#229 | Gemma 1 7B | 7B | INT4 Q8 | 25 tok/s 17 tok/s | ~4.9s ~5.0s | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 117 tok/s 70 tok/s 37 tok/s | ~1.5s ~1.5s ~1.5s | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 28 tok/s 19 tok/s 11 tok/s | ~4.3s ~4.3s ~4.7s | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 28 tok/s 19 tok/s 11 tok/s | ~4.3s ~4.3s ~4.7s | |
#233 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 28 tok/s 19 tok/s 11 tok/s | ~4.3s ~4.3s ~4.7s | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 290 tok/s 206 tok/s 125 tok/s | ~378 ms ~380 ms ~383 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 290 tok/s 206 tok/s 125 tok/s | ~378 ms ~380 ms ~383 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 278 tok/s 229 tok/s 160 tok/s | ~227 ms ~227 ms ~229 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 278 tok/s 229 tok/s 160 tok/s | ~227 ms ~227 ms ~229 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 198 tok/s 127 tok/s 71 tok/s | ~788 ms ~791 ms ~797 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 179 tok/s 119 tok/s 68 tok/s | ~789 ms ~792 ms ~798 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 133 tok/s 85 tok/s 47 tok/s | ~1.2s ~1.2s ~1.2s | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 133 tok/s 85 tok/s 47 tok/s | ~1.2s ~1.2s ~1.2s | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 121 tok/s 77 tok/s 42 tok/s | ~1.3s ~1.3s ~1.3s | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 116 tok/s 73 tok/s 40 tok/s | ~1.4s ~1.4s ~1.4s | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 83 tok/s 49 tok/s 25 tok/s | ~2.2s ~2.2s ~2.2s | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 81 tok/s 65 tok/s 42 tok/s | ~1.0s ~1.0s ~1.0s | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 81 tok/s 65 tok/s 42 tok/s | ~1.0s ~1.0s ~1.0s | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 81 tok/s 65 tok/s 42 tok/s | ~1.0s ~1.0s ~1.0s | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 79 tok/s 47 tok/s 25 tok/s | ~2.2s ~2.2s ~2.2s | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 77 tok/s 47 tok/s 25 tok/s | ~2.2s ~2.2s ~2.2s | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 77 tok/s 47 tok/s 25 tok/s | ~2.2s ~2.2s ~2.2s | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 | 61 tok/s | ~2.9s | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 | 61 tok/s | ~2.9s | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 61 tok/s 36 tok/s 19 tok/s | ~2.9s ~2.9s ~2.9s | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 55 tok/s | ~3.3s | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 55 tok/s | ~3.3s | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 49 tok/s 37 tok/s 23 tok/s | ~2.0s ~2.0s ~2.0s | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 46 tok/s 34 tok/s 21 tok/s | ~2.2s ~2.2s ~2.2s | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 46 tok/s 34 tok/s 21 tok/s | ~2.2s ~2.2s ~2.2s | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 39 tok/s 22 tok/s 11 tok/s | ~4.9s ~4.9s ~5.4s | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~4.9s ~5.0s ~5.9s | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~4.9s ~5.0s ~5.9s | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 36 tok/s 20 tok/s 10 tok/s | ~5.1s ~5.2s ~6.1s | |
- | LensVLM 9B | 9B | INT4 Q8 | 29 tok/s 17 tok/s | ~6.3s ~6.3s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 | 29 tok/s 17 tok/s | ~6.3s ~6.3s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 28 tok/s 19 tok/s 11 tok/s | ~4.3s ~4.3s ~4.7s | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 28 tok/s 19 tok/s 11 tok/s | ~4.3s ~4.3s ~4.7s | |
- | Falcon3-10B | 10B | INT4 Q8 | 26 tok/s 15 tok/s | ~7.0s ~7.0s | |
- | Falcon2-11B | 11B | INT4 Q8 | 25 tok/s 14 tok/s | ~7.7s ~7.7s | |
- | Hunyuan Lite | 7B | INT4 Q8 | 25 tok/s 17 tok/s | ~4.9s ~5.0s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 | 25 tok/s | ~2.8s | |
- | OLMo 3 7B Base | 7B | INT4 Q8 | 25 tok/s 17 tok/s | ~4.9s ~5.0s | |
- | SEA-LION-7B | 7.1B | INT4 Q8 | 25 tok/s 17 tok/s | ~5.0s ~5.0s | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 | 25 tok/s 17 tok/s | ~5.0s ~5.0s | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 | 23 tok/s 15 tok/s | ~5.6s ~5.6s | |
- | Typhoon-2-8B | 8B | INT4 Q8 | 23 tok/s 15 tok/s | ~5.6s ~5.6s | |
- | GLM-4-9B | 9B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.3s ~6.9s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.3s ~6.9s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.3s ~6.9s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.5s ~7.0s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.5s ~7.0s | |
- | Yi-9B | 9B | INT4 Q8 | 20 tok/s 13 tok/s | ~6.3s ~6.9s | |
- | GreenMind-14B-R1 | 14B | INT4 | 14 tok/s | ~9.8s | |
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
14B 模型
8位精度
8B 模型
16位全精度
3B 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
14B 模型
LoRA
8B 模型
全参数微调
1B 模型
负载与选型建议
NVIDIA A2 (16GB) 上的最佳量化精度与运行规格建议。
最佳推理区间
非常适合 8B 模型长上下文推理（32k+）。14B 模型在 Q4 精度及标准上下文下也能流畅运行。
显存带宽与推理速率
具备 200 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 44 tok/s，70B Q4 模型预估生成速度约 5 tok/s。