趋近智
NVIDIA A30 (24GB)
NVIDIA A30 (24GB) 配备 24 GB 专用显存与 933 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
933 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
165W
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 A30 (24GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA A30 (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 |
|---|---|---|---|---|---|---|
#33 | Qwen 3.8 27B | 27B | INT4 | 45 tok/s | ~2.0s | |
#48 | Agnes 3.0 Flash | 33B | INT4 | 38 tok/s | ~2.5s | |
#72 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 172 tok/s | ~435 ms | |
#83 | Qwen3.5-27B | 27B | INT4 | 45 tok/s | ~2.0s | |
#92 | Sarvam-30B | 32B (2.4B active) | INT4 | 232 tok/s | ~280 ms | |
#94 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 199 tok/s | ~354 ms | |
#96 | Muse Glimmer 30B | 30B | INT4 | 41 tok/s | ~2.3s | |
#100 | Phi-4 Reasoning Plus | 14B | INT4 Q8 | 59 tok/s 40 tok/s | ~1.1s ~1.1s | |
#101 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 4 tok/s 2 tok/s | ~22.2s ~24.4s | |
#108 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 193 tok/s | ~366 ms | |
#109 | Gemma 4 12B | 11.95B | INT4 Q8 | 68 tok/s 46 tok/s | ~922 ms ~928 ms | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 117 tok/s 72 tok/s 36 tok/s | ~695 ms ~700 ms ~773 ms | |
#114 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 199 tok/s | ~354 ms | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 143 tok/s 89 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 39 tok/s 23 tok/s 12 tok/s | ~2.2s ~2.2s ~2.2s | |
#129 | Gemma 4 31B | 30.7B | INT4 | 40 tok/s | ~2.3s | |
#131 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 80 tok/s | ~355 ms | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 212 tok/s 140 tok/s 80 tok/s | ~320 ms ~322 ms ~328 ms | |
#133 | Qwen3-30B-A3B | 30B (3B active) | INT4 | 212 tok/s | ~320 ms | |
#136 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 94 tok/s | ~348 ms | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 129 tok/s 79 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 129 tok/s 79 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#151 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 | 212 tok/s | ~320 ms | |
#153 | Qwen3-32B | 32B | INT4 | 39 tok/s | ~2.4s | |
#156 | GLM-4 | 32B | INT4 | 27 tok/s | ~2.8s | |
#158 | GLM-4V | 9B | INT4 Q8 FP16 | 85 tok/s 59 tok/s 33 tok/s | ~698 ms ~703 ms ~776 ms | |
#159 | Gemma 3 27B | 27B | INT4 | 45 tok/s | ~2.0s | |
#160 | Phi-4 | 14B | INT4 Q8 | 81 tok/s 48 tok/s | ~1.1s ~1.1s | |
#162 | DeepSeek-R1 32B | 32B | INT4 | 40 tok/s | ~2.4s | |
#164 | Qwen2.5-32B | 32B | INT4 | 39 tok/s | ~2.4s | |
#168 | Magistral Small | 24B | INT4 | 38 tok/s | ~1.8s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 103 tok/s 73 tok/s 43 tok/s | ~547 ms ~551 ms ~560 ms | |
#170 | OLMo 3.1 32B Instruct | 32B | INT4 | 27 tok/s | ~2.8s | |
#172 | DeepSeek-R1 14B | 14B | INT4 Q8 | 84 tok/s 49 tok/s | ~1.1s ~1.1s | |
#173 | Ministral 3 14B | 14B | INT4 Q8 | 59 tok/s 40 tok/s | ~1.1s ~1.1s | |
#177 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 92 tok/s 55 tok/s 26 tok/s | ~921 ms ~928 ms ~1.1s | |
#180 | OLMo 3 32B Base | 32B | INT4 | 27 tok/s | ~2.8s | |
#181 | Mistral-Small-2501 | 24B | INT4 | 50 tok/s | ~1.8s | |
#182 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 94 tok/s 65 tok/s 37 tok/s | ~622 ms ~626 ms ~691 ms | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 312 tok/s 227 tok/s 141 tok/s | ~171 ms ~172 ms ~175 ms | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 312 tok/s 227 tok/s 141 tok/s | ~171 ms ~172 ms ~175 ms | |
#185 | Qwen2.5-14B | 14B | INT4 Q8 | 81 tok/s 48 tok/s | ~1.1s ~1.1s | |
#186 | Gemma 2 27B | 27B | INT4 | 45 tok/s | ~2.0s | |
#187 | OLMo 3.1 32B Think | 32B | INT4 | 27 tok/s | ~2.8s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 180 tok/s 116 tok/s 65 tok/s | ~402 ms ~405 ms ~412 ms | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 212 tok/s 140 tok/s 80 tok/s | ~320 ms ~322 ms ~328 ms | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 132 tok/s 80 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 171 tok/s 133 tok/s 87 tok/s | ~247 ms ~249 ms ~253 ms | |
#195 | Qwen3-14B | 14B | INT4 Q8 | 81 tok/s 48 tok/s | ~1.1s ~1.1s | |
#197 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 117 tok/s 72 tok/s 36 tok/s | ~695 ms ~700 ms ~773 ms | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 143 tok/s 89 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
#199 | Qwen3-8B | 8B | INT4 Q8 FP16 | 129 tok/s 79 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 212 tok/s 140 tok/s 80 tok/s | ~320 ms ~322 ms ~328 ms | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 147 tok/s 90 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 129 tok/s 79 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 339 tok/s 252 tok/s 160 tok/s | ~147 ms ~148 ms ~150 ms | |
#205 | Command R | 35B | INT4 | 25 tok/s | ~3.1s | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 528 tok/s 489 tok/s 416 tok/s | ~26 ms ~26 ms ~26 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 FP16 | 129 tok/s 79 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 499 tok/s 423 tok/s 315 tok/s | ~53 ms ~54 ms ~54 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 219 tok/s 146 tok/s 84 tok/s | ~305 ms ~307 ms ~312 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 129 tok/s 79 tok/s 43 tok/s | ~619 ms ~624 ms ~634 ms | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 359 tok/s 271 tok/s 176 tok/s | ~130 ms ~131 ms ~133 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 253 tok/s 173 tok/s 102 tok/s | ~245 ms ~247 ms ~251 ms | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 457 tok/s 375 tok/s 267 tok/s | ~71 ms ~72 ms ~73 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 219 tok/s 146 tok/s 84 tok/s | ~305 ms ~307 ms ~312 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 171 tok/s 146 tok/s 105 tok/s | ~185 ms ~186 ms ~189 ms | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 139 tok/s 86 tok/s 47 tok/s | ~566 ms ~571 ms ~580 ms | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 421 tok/s 336 tok/s 232 tok/s | ~90 ms ~90 ms ~92 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 312 tok/s 227 tok/s 141 tok/s | ~171 ms ~172 ms ~175 ms | |
#221 | Phi-3-medium | 14B | INT4 Q8 | 81 tok/s 48 tok/s | ~1.1s ~1.1s | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 103 tok/s 73 tok/s 43 tok/s | ~547 ms ~551 ms ~560 ms | |
#223 | Yi-34B | 34B | INT4 | 26 tok/s | ~3.0s | |
#224 | Qwen2-7B | 7B | INT4 Q8 FP16 | 143 tok/s 89 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
#225 | Phi-3-small | 7B | INT4 Q8 FP16 | 143 tok/s 89 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 421 tok/s 336 tok/s 232 tok/s | ~90 ms ~90 ms ~92 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 139 tok/s 86 tok/s 47 tok/s | ~566 ms ~571 ms ~580 ms | |
#229 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 103 tok/s 73 tok/s 43 tok/s | ~547 ms ~551 ms ~560 ms | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 332 tok/s 236 tok/s 145 tok/s | ~171 ms ~172 ms ~175 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 114 tok/s 82 tok/s 49 tok/s | ~472 ms ~475 ms ~483 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 114 tok/s 82 tok/s 49 tok/s | ~472 ms ~475 ms ~483 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 114 tok/s 82 tok/s 49 tok/s | ~472 ms ~475 ms ~483 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 522 tok/s 451 tok/s 346 tok/s | ~45 ms ~45 ms ~46 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 522 tok/s 451 tok/s 346 tok/s | ~45 ms ~45 ms ~46 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 513 tok/s 473 tok/s 397 tok/s | ~28 ms ~28 ms ~29 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 513 tok/s 473 tok/s 397 tok/s | ~28 ms ~28 ms ~29 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 442 tok/s 348 tok/s 237 tok/s | ~90 ms ~90 ms ~92 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 421 tok/s 336 tok/s 232 tok/s | ~90 ms ~90 ms ~92 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 359 tok/s 271 tok/s 176 tok/s | ~130 ms ~131 ms ~133 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 359 tok/s 271 tok/s 176 tok/s | ~130 ms ~131 ms ~133 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 339 tok/s 252 tok/s 160 tok/s | ~147 ms ~148 ms ~150 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 330 tok/s 243 tok/s 153 tok/s | ~154 ms ~155 ms ~158 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 267 tok/s 179 tok/s 104 tok/s | ~245 ms ~247 ms ~251 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 262 tok/s 222 tok/s 160 tok/s | ~115 ms ~115 ms ~117 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 262 tok/s 222 tok/s 160 tok/s | ~115 ms ~115 ms ~117 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 262 tok/s 222 tok/s 160 tok/s | ~115 ms ~115 ms ~117 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 256 tok/s 175 tok/s 103 tok/s | ~245 ms ~247 ms ~251 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 253 tok/s 173 tok/s 102 tok/s | ~245 ms ~247 ms ~251 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 253 tok/s 173 tok/s 102 tok/s | ~245 ms ~247 ms ~251 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 222 tok/s 143 tok/s | ~299 ms ~354 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 222 tok/s 143 tok/s | ~299 ms ~354 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 215 tok/s | ~315 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 215 tok/s | ~315 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 | 212 tok/s | ~320 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 212 tok/s 140 tok/s 80 tok/s | ~320 ms ~322 ms ~328 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 180 tok/s 142 tok/s 94 tok/s | ~225 ms ~226 ms ~230 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 171 tok/s 133 tok/s 87 tok/s | ~247 ms ~249 ms ~253 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 171 tok/s 133 tok/s 87 tok/s | ~247 ms ~249 ms ~253 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 149 tok/s 91 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 143 tok/s 89 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 143 tok/s 89 tok/s 49 tok/s | ~544 ms ~548 ms ~558 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 139 tok/s 86 tok/s 47 tok/s | ~566 ms ~571 ms ~580 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 117 tok/s 72 tok/s 36 tok/s | ~695 ms ~700 ms ~773 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 117 tok/s 72 tok/s 36 tok/s | ~695 ms ~700 ms ~773 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 114 tok/s 82 tok/s 49 tok/s | ~472 ms ~475 ms ~483 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 114 tok/s 82 tok/s 49 tok/s | ~472 ms ~475 ms ~483 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 108 tok/s 65 tok/s 33 tok/s | ~770 ms ~776 ms ~857 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 108 tok/s 89 tok/s | ~292 ms ~319 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 104 tok/s 61 tok/s 29 tok/s | ~844 ms ~851 ms ~1.0s | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 103 tok/s 73 tok/s 43 tok/s | ~547 ms ~551 ms ~560 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 103 tok/s 73 tok/s 43 tok/s | ~547 ms ~551 ms ~560 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 102 tok/s 72 tok/s 43 tok/s | ~554 ms ~558 ms ~568 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 102 tok/s 72 tok/s 43 tok/s | ~554 ms ~558 ms ~568 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 94 tok/s 65 tok/s 37 tok/s | ~622 ms ~626 ms ~691 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 94 tok/s 65 tok/s 37 tok/s | ~622 ms ~626 ms ~691 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 85 tok/s 59 tok/s 33 tok/s | ~698 ms ~703 ms ~776 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 85 tok/s 59 tok/s 33 tok/s | ~698 ms ~703 ms ~776 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 85 tok/s 59 tok/s 33 tok/s | ~698 ms ~703 ms ~776 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 85 tok/s 59 tok/s 33 tok/s | ~698 ms ~703 ms ~776 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 84 tok/s 58 tok/s 32 tok/s | ~713 ms ~718 ms ~793 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 84 tok/s 58 tok/s 32 tok/s | ~713 ms ~718 ms ~793 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 | 59 tok/s 40 tok/s | ~1.1s ~1.1s | |
- | Falcon-40B | 40B | INT4 | 31 tok/s | ~3.2s | |
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
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 A30 (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 933 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 207 tok/s，70B Q4 模型预估生成速度约 25 tok/s。