趋近智
NVIDIA RTX 2000 Ada Generation (16GB)
NVIDIA RTX 2000 Ada Generation (16GB) 配备 16 GB 专用显存与 224 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
224 GB/s
最大推理模型级别
14B 模型 (Q4)
热设计功耗
70W
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 RTX 2000 Ada Generation (16GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 2000 Ada Generation (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 |
|---|---|---|---|---|---|---|
#36 | Qwen 3.8 27B | 27B | INT4 | 11 tok/s | ~7.2s | |
#86 | Qwen3.5-27B | 27B | INT4 | 11 tok/s | ~7.2s | |
#102 | Phi-4 Reasoning Plus | 14B | INT4 | 16 tok/s | ~3.3s | |
#105 | MiMo V2 Flash | 15B (309B active) | INT4 | 1 tok/s | ~73.0s | |
#110 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 55 tok/s | ~1.2s | |
#121 | Qwen3.5-9B | 9B | INT4 Q8 | 33 tok/s 19 tok/s | ~2.1s ~2.1s | |
#127 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 41 tok/s 24 tok/s 12 tok/s | ~1.6s ~1.7s ~2.0s | |
#130 | Gemma 4 12B | 11.95B | INT4 Q8 | 18 tok/s 11 tok/s | ~2.8s ~3.3s | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 65 tok/s 40 tok/s 22 tok/s | ~963 ms ~973 ms ~994 ms | |
#139 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 23 tok/s | ~1.2s | |
#140 | GLM-4V | 9B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.1s ~2.3s | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 10 tok/s 6 tok/s 3 tok/s | ~6.6s ~6.7s ~6.8s | |
#152 | Granite 4.2 8B | 8B | INT4 Q8 | 37 tok/s 22 tok/s | ~1.9s ~1.9s | |
#157 | Gemma 4 E4B | 8B | INT4 Q8 | 37 tok/s 22 tok/s | ~1.9s ~1.9s | |
#163 | Gemma 3 27B | 27B | INT4 | 11 tok/s | ~7.2s | |
#164 | Phi-4 | 14B | INT4 Q8 | 22 tok/s 11 tok/s | ~3.2s ~3.8s | |
#176 | DeepSeek-R1 14B | 14B | INT4 Q8 | 23 tok/s 12 tok/s | ~3.2s ~3.8s | |
#177 | Ministral 3 14B | 14B | INT4 | 16 tok/s | ~3.3s | |
#180 | Gemma 3 12B | 12B | INT4 Q8 | 26 tok/s 14 tok/s | ~2.8s ~3.0s | |
#184 | Mistral-Small-2501 | 24B | INT4 | 13 tok/s | ~5.9s | |
#185 | Ministral 3 8B | 8B | INT4 Q8 | 26 tok/s 18 tok/s | ~1.9s ~1.9s | |
#186 | Gemma 2 27B | 27B | INT4 | 11 tok/s | ~7.2s | |
#187 | OLMo 3 7B Think | 7B | INT4 Q8 | 29 tok/s 20 tok/s | ~1.7s ~1.7s | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 107 tok/s 71 tok/s 41 tok/s | ~514 ms ~518 ms ~529 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 107 tok/s 71 tok/s 41 tok/s | ~514 ms ~518 ms ~529 ms | |
#190 | Qwen2.5-14B | 14B | INT4 Q8 | 22 tok/s 11 tok/s | ~3.2s ~3.8s | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 54 tok/s 33 tok/s 17 tok/s | ~1.2s ~1.2s ~1.3s | |
#195 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 51 tok/s 38 tok/s 24 tok/s | ~745 ms ~751 ms ~767 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 Q8 | 38 tok/s 22 tok/s | ~1.9s ~1.9s | |
#198 | Gemma 2 9B | 9B | INT4 Q8 | 33 tok/s 19 tok/s | ~2.1s ~2.1s | |
#201 | Qwen3-4B | 4B | INT4 Q8 FP16 | 65 tok/s 40 tok/s 22 tok/s | ~963 ms ~973 ms ~994 ms | |
#202 | Qwen3-14B | 14B | INT4 Q8 | 22 tok/s 11 tok/s | ~3.2s ~3.8s | |
#203 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 65 tok/s 40 tok/s 22 tok/s | ~963 ms ~973 ms ~994 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 42 tok/s 25 tok/s 12 tok/s | ~1.6s ~1.7s ~1.8s | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 186 tok/s 137 tok/s 87 tok/s | ~212 ms ~214 ms ~218 ms | |
#207 | Llama 3.1 8B | 8B | INT4 Q8 | 37 tok/s 22 tok/s | ~1.9s ~1.9s | |
#207 | Qwen3-8B | 8B | INT4 Q8 | 37 tok/s 22 tok/s | ~1.9s ~1.9s | |
#212 | Llama 3 8B | 8B | INT4 Q8 | 37 tok/s 22 tok/s | ~1.9s ~1.9s | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 119 tok/s 81 tok/s 47 tok/s | ~440 ms ~444 ms ~453 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 235 tok/s 207 tok/s 160 tok/s | ~74 ms ~75 ms ~76 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 214 tok/s 164 tok/s 108 tok/s | ~158 ms ~159 ms ~163 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 68 tok/s 42 tok/s 23 tok/s | ~918 ms ~927 ms ~947 ms | |
#218 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 41 tok/s 24 tok/s 12 tok/s | ~1.6s ~1.7s ~2.0s | |
#220 | Ministral-8B-2410 | 8B | INT4 Q8 | 37 tok/s 22 tok/s | ~1.9s ~1.9s | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 129 tok/s 89 tok/s 52 tok/s | ~390 ms ~393 ms ~401 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 68 tok/s 42 tok/s 23 tok/s | ~918 ms ~927 ms ~947 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 51 tok/s 42 tok/s 28 tok/s | ~558 ms ~562 ms ~620 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 107 tok/s 71 tok/s 41 tok/s | ~514 ms ~518 ms ~529 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 40 tok/s 24 tok/s 11 tok/s | ~1.7s ~1.7s ~2.1s | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 163 tok/s 118 tok/s 73 tok/s | ~268 ms ~270 ms ~275 ms | |
#228 | Phi-3-medium | 14B | INT4 Q8 | 22 tok/s 11 tok/s | ~3.2s ~3.8s | |
#230 | OLMo 3 7B Instruct | 7B | INT4 Q8 | 29 tok/s 20 tok/s | ~1.7s ~1.7s | |
#231 | Qwen2-7B | 7B | INT4 Q8 FP16 | 41 tok/s 24 tok/s 12 tok/s | ~1.6s ~1.7s ~2.0s | |
#232 | Phi-3-small | 7B | INT4 Q8 FP16 | 41 tok/s 24 tok/s 12 tok/s | ~1.6s ~1.7s ~2.0s | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 40 tok/s 24 tok/s 11 tok/s | ~1.7s ~1.7s ~2.1s | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 163 tok/s 118 tok/s 73 tok/s | ~268 ms ~270 ms ~275 ms | |
#236 | Gemma 1 7B | 7B | INT4 Q8 | 29 tok/s 20 tok/s | ~1.7s ~1.7s | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 116 tok/s 75 tok/s 42 tok/s | ~513 ms ~518 ms ~528 ms | |
#238 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 32 tok/s 22 tok/s 12 tok/s | ~1.4s ~1.4s ~1.6s | |
#239 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 32 tok/s 22 tok/s 12 tok/s | ~1.4s ~1.4s ~1.6s | |
#240 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 32 tok/s 22 tok/s 12 tok/s | ~1.4s ~1.4s ~1.6s | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 272 tok/s 228 tok/s 168 tok/s | ~81 ms ~82 ms ~84 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 231 tok/s 181 tok/s 123 tok/s | ~132 ms ~133 ms ~136 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 231 tok/s 181 tok/s 123 tok/s | ~132 ms ~133 ms ~136 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 224 tok/s 196 tok/s 150 tok/s | ~82 ms ~83 ms ~84 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 224 tok/s 196 tok/s 150 tok/s | ~82 ms ~83 ms ~84 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 214 tok/s 164 tok/s 108 tok/s | ~158 ms ~159 ms ~163 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 176 tok/s 124 tok/s 75 tok/s | ~267 ms ~270 ms ~275 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 163 tok/s 118 tok/s 73 tok/s | ~268 ms ~270 ms ~275 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 163 tok/s 118 tok/s 73 tok/s | ~268 ms ~270 ms ~275 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 129 tok/s 89 tok/s 52 tok/s | ~390 ms ~393 ms ~401 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 129 tok/s 89 tok/s 52 tok/s | ~390 ms ~393 ms ~401 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 119 tok/s 81 tok/s 47 tok/s | ~440 ms ~444 ms ~453 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 115 tok/s 77 tok/s 45 tok/s | ~463 ms ~467 ms ~477 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 87 tok/s 54 tok/s 29 tok/s | ~737 ms ~744 ms ~760 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 85 tok/s 69 tok/s 47 tok/s | ~345 ms ~348 ms ~354 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 85 tok/s 69 tok/s 47 tok/s | ~345 ms ~348 ms ~354 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 85 tok/s 69 tok/s 47 tok/s | ~345 ms ~348 ms ~354 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 | 83 tok/s 53 tok/s | ~720 ms ~788 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 82 tok/s 52 tok/s 29 tok/s | ~737 ms ~744 ms ~760 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 81 tok/s 51 tok/s 28 tok/s | ~738 ms ~745 ms ~760 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 | 71 tok/s | ~886 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 | 66 tok/s | ~978 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 | 66 tok/s | ~978 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 65 tok/s 40 tok/s 22 tok/s | ~963 ms ~973 ms ~994 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 65 tok/s 40 tok/s 22 tok/s | ~963 ms ~973 ms ~994 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 62 tok/s 49 tok/s 33 tok/s | ~520 ms ~525 ms ~535 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 60 tok/s | ~1.1s | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 60 tok/s | ~1.1s | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 54 tok/s 41 tok/s 26 tok/s | ~678 ms ~683 ms ~698 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 51 tok/s 38 tok/s 24 tok/s | ~745 ms ~751 ms ~767 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 51 tok/s 38 tok/s 24 tok/s | ~745 ms ~751 ms ~767 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 43 tok/s 25 tok/s 12 tok/s | ~1.6s ~1.7s ~1.8s | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 41 tok/s 24 tok/s 12 tok/s | ~1.6s ~1.7s ~2.0s | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 41 tok/s 24 tok/s 12 tok/s | ~1.6s ~1.7s ~2.0s | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 40 tok/s 24 tok/s 11 tok/s | ~1.7s ~1.7s ~2.1s | |
- | Youtu Parsing Omni | 8B | INT4 Q8 | 38 tok/s 22 tok/s | ~1.9s ~1.9s | |
- | LensVLM 9B | 9B | INT4 Q8 | 33 tok/s 19 tok/s | ~2.1s ~2.1s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 | 33 tok/s 19 tok/s | ~2.1s ~2.1s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 32 tok/s 22 tok/s 12 tok/s | ~1.4s ~1.4s ~1.6s | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 32 tok/s 22 tok/s 12 tok/s | ~1.4s ~1.4s ~1.6s | |
- | Falcon3-10B | 10B | INT4 Q8 | 30 tok/s 18 tok/s | ~2.3s ~2.3s | |
- | Falcon2-11B | 11B | INT4 Q8 | 29 tok/s 16 tok/s | ~2.5s ~2.6s | |
- | Hunyuan Lite | 7B | INT4 Q8 | 29 tok/s 20 tok/s | ~1.7s ~1.7s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 | 29 tok/s | ~959 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 | 29 tok/s 20 tok/s | ~1.7s ~1.7s | |
- | SEA-LION-7B | 7.1B | INT4 Q8 | 28 tok/s 19 tok/s | ~1.7s ~1.7s | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 | 28 tok/s 19 tok/s | ~1.7s ~1.7s | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 | 26 tok/s 18 tok/s | ~1.9s ~1.9s | |
- | Typhoon-2-8B | 8B | INT4 Q8 | 26 tok/s 18 tok/s | ~1.9s ~1.9s | |
- | GLM-4-9B | 9B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.1s ~2.3s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.1s ~2.3s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.1s ~2.3s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.2s ~2.4s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.2s ~2.4s | |
- | Yi-9B | 9B | INT4 Q8 | 23 tok/s 15 tok/s | ~2.1s ~2.3s | |
- | GreenMind-14B-R1 | 14B | INT4 | 16 tok/s | ~3.3s | |
- | AREX-2 | 27B | INT4 | 11 tok/s | ~7.2s | |
- | PPLX Decider v1 27B | 27B | INT4 | 11 tok/s | ~7.2s | |
- | PPLX Decider v1.1 27B | 27B | INT4 | 11 tok/s | ~7.2s | |
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
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 RTX 2000 Ada Generation (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 224 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 50 tok/s，70B Q4 模型预估生成速度约 6 tok/s。