趋近智
NVIDIA L4 (24GB)
NVIDIA L4 (24GB) 配备 24 GB 专用显存与 300 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
300 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
72W
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 L4 (24GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA L4 (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 | 15 tok/s | ~2.8s | |
#80 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 68 tok/s | ~599 ms | |
#86 | Qwen3.5-27B | 27B | INT4 | 15 tok/s | ~2.8s | |
#93 | Sarvam-30B | 32B (2.4B active) | INT4 | 98 tok/s | ~385 ms | |
#99 | Muse Glimmer 30B | 30B | INT4 | 14 tok/s | ~3.1s | |
#102 | Phi-4 Reasoning Plus | 14B | INT4 Q8 | 20 tok/s 13 tok/s | ~1.5s ~1.5s | |
#103 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 81 tok/s | ~487 ms | |
#105 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 1 tok/s 1 tok/s | ~30.7s ~34.0s | |
#110 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 77 tok/s | ~505 ms | |
#120 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 81 tok/s | ~487 ms | |
#121 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 43 tok/s 25 tok/s 12 tok/s | ~958 ms ~975 ms ~1.1s | |
#127 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 54 tok/s 31 tok/s 16 tok/s | ~750 ms ~763 ms ~793 ms | |
#130 | Gemma 4 12B | 11.95B | INT4 Q8 | 23 tok/s 16 tok/s | ~1.3s ~1.3s | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 87 tok/s 53 tok/s 28 tok/s | ~441 ms ~448 ms ~465 ms | |
#139 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 33 tok/s | ~489 ms | |
#140 | GLM-4V | 9B | INT4 Q8 FP16 | 30 tok/s 20 tok/s 11 tok/s | ~968 ms ~984 ms ~1.1s | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 13 tok/s 8 tok/s 4 tok/s | ~3.0s ~3.1s ~3.2s | |
#150 | Qwen3-30B-A3B | 30B (3B active) | INT4 | 87 tok/s | ~440 ms | |
#152 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 48 tok/s 28 tok/s 14 tok/s | ~853 ms ~868 ms ~902 ms | |
#157 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 48 tok/s 28 tok/s 14 tok/s | ~853 ms ~868 ms ~902 ms | |
#161 | GLM-4 | 32B | INT4 | 9 tok/s | ~3.9s | |
#163 | Gemma 3 27B | 27B | INT4 | 15 tok/s | ~2.8s | |
#164 | Phi-4 | 14B | INT4 Q8 | 28 tok/s 16 tok/s | ~1.5s ~1.5s | |
#166 | Qwen3-32B | 32B | INT4 | 13 tok/s | ~3.3s | |
#168 | DeepSeek-R1 32B | 32B | INT4 | 13 tok/s | ~3.3s | |
#169 | Gemma 4 31B | 30.7B | INT4 | 13 tok/s | ~3.2s | |
#171 | Magistral Small | 24B | INT4 | 13 tok/s | ~2.5s | |
#172 | Qwen2.5-32B | 32B | INT4 | 13 tok/s | ~3.3s | |
#174 | OLMo 3.1 32B Instruct | 32B | INT4 | 9 tok/s | ~3.9s | |
#176 | DeepSeek-R1 14B | 14B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.5s ~1.5s | |
#177 | Ministral 3 14B | 14B | INT4 Q8 | 20 tok/s 13 tok/s | ~1.5s ~1.5s | |
#180 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 33 tok/s 19 tok/s 9 tok/s | ~1.3s ~1.3s ~1.6s | |
#184 | Mistral-Small-2501 | 24B | INT4 | 17 tok/s | ~2.5s | |
#185 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 33 tok/s 22 tok/s 12 tok/s | ~862 ms ~877 ms ~986 ms | |
#186 | Gemma 2 27B | 27B | INT4 | 15 tok/s | ~2.8s | |
#187 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 15 tok/s | ~759 ms ~771 ms ~800 ms | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 147 tok/s 95 tok/s 53 tok/s | ~235 ms ~239 ms ~247 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 147 tok/s 95 tok/s 53 tok/s | ~235 ms ~239 ms ~247 ms | |
#190 | Qwen2.5-14B | 14B | INT4 Q8 | 28 tok/s 16 tok/s | ~1.5s ~1.5s | |
#191 | OLMo 3.1 32B Think | 32B | INT4 | 9 tok/s | ~3.9s | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 71 tok/s 42 tok/s 22 tok/s | ~554 ms ~564 ms ~585 ms | |
#195 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 67 tok/s 50 tok/s 31 tok/s | ~343 ms ~348 ms ~361 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 49 tok/s 28 tok/s 15 tok/s | ~853 ms ~868 ms ~901 ms | |
#198 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 43 tok/s 25 tok/s 12 tok/s | ~958 ms ~975 ms ~1.1s | |
#199 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 | 87 tok/s | ~440 ms | |
#201 | Qwen3-4B | 4B | INT4 Q8 FP16 | 87 tok/s 53 tok/s 28 tok/s | ~441 ms ~448 ms ~465 ms | |
#202 | Qwen3-14B | 14B | INT4 Q8 | 28 tok/s 16 tok/s | ~1.5s ~1.5s | |
#203 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 87 tok/s 53 tok/s 28 tok/s | ~441 ms ~448 ms ~465 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 55 tok/s 32 tok/s 17 tok/s | ~750 ms ~763 ms ~792 ms | |
#205 | OLMo 3 32B Base | 32B | INT4 | 9 tok/s | ~3.9s | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 275 tok/s 195 tok/s 118 tok/s | ~97 ms ~98 ms ~102 ms | |
#207 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 48 tok/s 28 tok/s 14 tok/s | ~853 ms ~868 ms ~902 ms | |
#207 | Qwen3-8B | 8B | INT4 Q8 FP16 | 48 tok/s 28 tok/s 14 tok/s | ~853 ms ~868 ms ~902 ms | |
#210 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 28 tok/s | ~501 ms | |
#211 | Command R | 35B | INT4 | 8 tok/s | ~4.3s | |
#212 | Llama 3 8B | 8B | INT4 Q8 FP16 | 48 tok/s 28 tok/s 14 tok/s | ~853 ms ~868 ms ~902 ms | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 166 tok/s 109 tok/s 61 tok/s | ~201 ms ~204 ms ~211 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 366 tok/s 313 tok/s 232 tok/s | ~34 ms ~35 ms ~36 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 326 tok/s 238 tok/s 149 tok/s | ~72 ms ~73 ms ~76 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 91 tok/s 55 tok/s 29 tok/s | ~420 ms ~427 ms ~443 ms | |
#218 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 54 tok/s 31 tok/s 16 tok/s | ~750 ms ~763 ms ~793 ms | |
#220 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 48 tok/s 28 tok/s 14 tok/s | ~853 ms ~868 ms ~902 ms | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 182 tok/s 120 tok/s 69 tok/s | ~178 ms ~181 ms ~187 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 91 tok/s 55 tok/s 29 tok/s | ~420 ms ~427 ms ~443 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 67 tok/s 55 tok/s 38 tok/s | ~259 ms ~262 ms ~270 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 147 tok/s 95 tok/s 53 tok/s | ~235 ms ~239 ms ~247 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 52 tok/s 30 tok/s 16 tok/s | ~781 ms ~794 ms ~825 ms | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 237 tok/s 164 tok/s 98 tok/s | ~122 ms ~124 ms ~129 ms | |
#228 | Phi-3-medium | 14B | INT4 Q8 | 28 tok/s 16 tok/s | ~1.5s ~1.5s | |
#229 | Yi-34B | 34B | INT4 | 9 tok/s | ~4.2s | |
#230 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 15 tok/s | ~759 ms ~771 ms ~800 ms | |
#231 | Qwen2-7B | 7B | INT4 Q8 FP16 | 54 tok/s 31 tok/s 16 tok/s | ~750 ms ~763 ms ~793 ms | |
#232 | Phi-3-small | 7B | INT4 Q8 FP16 | 54 tok/s 31 tok/s 16 tok/s | ~750 ms ~763 ms ~793 ms | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 52 tok/s 30 tok/s 16 tok/s | ~781 ms ~794 ms ~825 ms | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 237 tok/s 164 tok/s 98 tok/s | ~122 ms ~124 ms ~129 ms | |
#236 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 15 tok/s | ~759 ms ~771 ms ~800 ms | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 161 tok/s 100 tok/s 55 tok/s | ~234 ms ~238 ms ~246 ms | |
#238 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 42 tok/s 29 tok/s 17 tok/s | ~655 ms ~665 ms ~690 ms | |
#239 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 42 tok/s 29 tok/s 17 tok/s | ~655 ms ~665 ms ~690 ms | |
#240 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 42 tok/s 29 tok/s 17 tok/s | ~655 ms ~665 ms ~690 ms | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 441 tok/s 353 tok/s 245 tok/s | ~37 ms ~38 ms ~39 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 357 tok/s 268 tok/s 172 tok/s | ~60 ms ~61 ms ~63 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 357 tok/s 268 tok/s 172 tok/s | ~60 ms ~61 ms ~63 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 345 tok/s 293 tok/s 214 tok/s | ~38 ms ~38 ms ~40 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 345 tok/s 293 tok/s 214 tok/s | ~38 ms ~38 ms ~40 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 326 tok/s 238 tok/s 149 tok/s | ~72 ms ~73 ms ~76 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 258 tok/s 173 tok/s 101 tok/s | ~122 ms ~124 ms ~128 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 237 tok/s 164 tok/s 98 tok/s | ~122 ms ~124 ms ~129 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 237 tok/s 164 tok/s 98 tok/s | ~122 ms ~124 ms ~129 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 182 tok/s 120 tok/s 69 tok/s | ~178 ms ~181 ms ~187 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 182 tok/s 120 tok/s 69 tok/s | ~178 ms ~181 ms ~187 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 166 tok/s 109 tok/s 61 tok/s | ~201 ms ~204 ms ~211 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 160 tok/s 104 tok/s 58 tok/s | ~212 ms ~215 ms ~223 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 118 tok/s 70 tok/s 37 tok/s | ~337 ms ~342 ms ~355 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 115 tok/s 92 tok/s 62 tok/s | ~159 ms ~161 ms ~167 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 115 tok/s 92 tok/s 62 tok/s | ~159 ms ~161 ms ~167 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 115 tok/s 92 tok/s 62 tok/s | ~159 ms ~161 ms ~167 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 FP16 | 112 tok/s 74 tok/s 38 tok/s | ~330 ms ~334 ms ~403 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 111 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 110 tok/s 68 tok/s 37 tok/s | ~337 ms ~343 ms ~355 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 | 100 tok/s | ~373 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 92 tok/s 55 tok/s | ~412 ms ~490 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 92 tok/s 55 tok/s | ~412 ms ~490 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 88 tok/s | ~433 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 88 tok/s | ~433 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 87 tok/s 53 tok/s 28 tok/s | ~441 ms ~448 ms ~465 ms | |
- | Hy-Memory 30B A3B | 30B (3B active) | INT4 | 87 tok/s | ~440 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 | 87 tok/s | ~440 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 87 tok/s 53 tok/s 28 tok/s | ~441 ms ~448 ms ~465 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 83 tok/s 65 tok/s 42 tok/s | ~240 ms ~243 ms ~252 ms | |
- | MiniCPM-V 4.7 35B A3B | 35B (3B active) | INT4 | 81 tok/s | ~487 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 71 tok/s 53 tok/s 33 tok/s | ~312 ms ~317 ms ~328 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 67 tok/s 50 tok/s 31 tok/s | ~343 ms ~348 ms ~361 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 67 tok/s 50 tok/s 31 tok/s | ~343 ms ~348 ms ~361 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 57 tok/s 32 tok/s 17 tok/s | ~749 ms ~763 ms ~792 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 54 tok/s 31 tok/s 16 tok/s | ~750 ms ~763 ms ~793 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 54 tok/s 31 tok/s 16 tok/s | ~750 ms ~763 ms ~793 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 52 tok/s 30 tok/s 16 tok/s | ~781 ms ~794 ms ~825 ms | |
- | Youtu Parsing Omni | 8B | INT4 Q8 FP16 | 49 tok/s 28 tok/s 15 tok/s | ~853 ms ~868 ms ~901 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 43 tok/s 25 tok/s 12 tok/s | ~958 ms ~975 ms ~1.1s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 43 tok/s 25 tok/s 12 tok/s | ~958 ms ~975 ms ~1.1s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 42 tok/s 29 tok/s 17 tok/s | ~655 ms ~665 ms ~690 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 42 tok/s 29 tok/s 17 tok/s | ~655 ms ~665 ms ~690 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 39 tok/s 22 tok/s 11 tok/s | ~1.1s ~1.1s ~1.2s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 39 tok/s 32 tok/s | ~411 ms ~450 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 37 tok/s 21 tok/s 10 tok/s | ~1.2s ~1.2s ~1.4s | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 15 tok/s | ~759 ms ~771 ms ~800 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 15 tok/s | ~759 ms ~771 ms ~800 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 14 tok/s | ~769 ms ~782 ms ~811 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 37 tok/s 25 tok/s 14 tok/s | ~769 ms ~782 ms ~811 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 33 tok/s 22 tok/s 12 tok/s | ~862 ms ~877 ms ~986 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 33 tok/s 22 tok/s 12 tok/s | ~862 ms ~877 ms ~986 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 30 tok/s 20 tok/s 11 tok/s | ~968 ms ~984 ms ~1.1s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 30 tok/s 20 tok/s 11 tok/s | ~968 ms ~984 ms ~1.1s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 30 tok/s 20 tok/s 11 tok/s | ~968 ms ~984 ms ~1.1s | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 30 tok/s 20 tok/s 11 tok/s | ~968 ms ~984 ms ~1.1s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 29 tok/s 20 tok/s 11 tok/s | ~989 ms ~1.0s ~1.1s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 29 tok/s 20 tok/s 11 tok/s | ~989 ms ~1.0s ~1.1s | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 | 20 tok/s 13 tok/s | ~1.5s ~1.5s | |
- | AREX-2 | 27B | INT4 | 15 tok/s | ~2.8s | |
- | PPLX Decider v1 27B | 27B | INT4 | 15 tok/s | ~2.8s | |
- | PPLX Decider v1.1 27B | 27B | INT4 | 15 tok/s | ~2.8s | |
- | Agnes 3.0 Flash | 33B | INT4 | 13 tok/s | ~3.4s | |
- | Falcon-40B | 40B | INT4 | 10 tok/s | ~4.5s | |
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
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 L4 (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 300 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 67 tok/s，70B Q4 模型预估生成速度约 8 tok/s。