NVIDIA RTX 3070 Ti (8GB) 最适合运行哪些大模型？

根据模型综合排名及 8 GB 可用显存：综合首选: Qwen3.5-9B (INT4) ~78 tok/s. 编程代码首选: K2 Horizon 7B (INT4) ~94 tok/s. 日常主力推荐: Granite 4.2 8B (INT4) ~85 tok/s. 最大可运行模型: Gemma 3 12B (INT4) ~56 tok/s.

显存需求、吞吐量（TPS）与首字延迟（TTFT）是如何计算的？

计算结果基于 apxml.com 建模，结合了大语言模型（LLM）架构分析与 GPU 硬件物理特性。显存与上下文扩展: 显存需求根据模型架构结构确定，包括参数量、层数配置与注意力机制结构。KV 缓存开销则依据上下文长度、批处理大小与缓存精度进行确定性计算。推理吞吐量（TPS）: Token 生成速度在显存带宽受限的解码阶段计算，测量流式传输模型权重与 KV 缓存相对于硬件显存带宽所需的时间。首字延迟（TTFT）: 首字生成时间由 Prompt 预填充阶段所需的计算量相对于硬件张量计算能力推导得出。

这些估算的准确度如何？

所有计算均针对不同模型架构与硬件环境的实际基准测试数据进行了校准。由于底层原理经过基准校准，无需为每种组合单独跑测，即可在不同配置下保持高准确度。显存准确度: 显存估算是确定性的，与实际分配高度吻合。由于 CUDA 运行时开销或显存分配器碎片，通常偏差在 3% 至 5% 以内。速度与延迟准确度: 推理吞吐量和 TTFT 的偏差通常在 5% 到 10% 之间，具体取决于所使用的推理框架、算子实现以及系统功耗限制。

NVIDIA RTX 3070 Ti (8GB) 最佳运行大模型（2026年10月月）

Q: NVIDIA RTX 3070 Ti (8GB) 最适合运行哪些大模型？

根据模型综合排名及 8 GB 可用显存： 综合首选: Qwen3.5-9B (INT4) ~78 tok/s. 编程代码首选: K2 Horizon 7B (INT4) ~94 tok/s. 日常主力推荐: Granite 4.2 8B (INT4) ~85 tok/s. 最大可运行模型: Gemma 3 12B (INT4) ~56 tok/s.

Q: 显存需求、吞吐量（TPS）与首字延迟（TTFT）是如何计算的？

计算结果基于 apxml.com 建模，结合了大语言模型（LLM）架构分析与 GPU 硬件物理特性。 显存与上下文扩展: 显存需求根据模型架构结构确定，包括参数量、层数配置与注意力机制结构。KV 缓存开销则依据上下文长度、批处理大小与缓存精度进行确定性计算。 推理吞吐量（TPS）: Token 生成速度在显存带宽受限的解码阶段计算，测量流式传输模型权重与 KV 缓存相对于硬件显存带宽所需的时间。 首字延迟（TTFT）: 首字生成时间由 Prompt 预填充阶段所需的计算量相对于硬件张量计算能力推导得出。

排名	模型	参数量	量化精度	预估 TPS	TTFT
#113	Qwen3.5-9B	9B	INT4	78 tok/s	~1.2s
#118	K2 Horizon 7B	7B	INT4	94 tok/s	~906 ms
#128	NVIDIA Nemotron 3 Nano 30B-A3B	3.5B (30B active)	INT4 Q8	27 tok/s 15 tok/s	~3.6s ~4.0s
#132	Qwen3.5-4B	4B	INT4 Q8	136 tok/s 92 tok/s	~533 ms ~537 ms
#146	Granite 4.2 8B	8B	INT4	85 tok/s	~1.0s
#150	Gemma 4 E4B	8B	INT4	85 tok/s	~1.0s
#169	OLMo 3 7B Think	7B	INT4	65 tok/s	~988 ms
#177	Gemma 3 12B	12B	INT4	56 tok/s	~1.8s
#182	Ministral 3 8B	8B	INT4	56 tok/s	~1.2s
#183	Qwen3.5-2B	2B	INT4 Q8 FP16	194 tok/s 145 tok/s 93 tok/s	~286 ms ~288 ms ~292 ms
#184	MiniCPM5-2B	2B	INT4 Q8 FP16	194 tok/s 145 tok/s 93 tok/s	~286 ms ~288 ms ~292 ms
#188	Gemma 4 E2B	5.1B	INT4 Q8	117 tok/s 73 tok/s	~670 ms ~732 ms
#189	Qwen3-4B	4B	INT4 Q8	136 tok/s 92 tok/s	~533 ms ~537 ms
#190	DeepSeek-R1 8B	8B	INT4	87 tok/s	~1.0s
#193	Ministral 3 3B	3B	INT4 Q8	112 tok/s 88 tok/s	~412 ms ~414 ms
#197	Gemma 2 9B	9B	INT4	78 tok/s	~1.2s
#198	Qwen2.5-7B	7B	INT4	94 tok/s	~906 ms
#199	Qwen3-8B	8B	INT4	85 tok/s	~1.0s
#200	Gemma 3 4B	4B	INT4 Q8	136 tok/s 92 tok/s	~533 ms ~537 ms
#201	DeepSeek-R1 7B	7B	INT4 Q8	96 tok/s 54 tok/s	~906 ms ~1.1s
#202	Llama 3.1 8B	8B	INT4	85 tok/s	~1.0s
#204	Qwen3-1.7B	1.7B	INT4 Q8 FP16	208 tok/s 159 tok/s 105 tok/s	~246 ms ~247 ms ~250 ms
#206	Gemma 3 270M	0.27B	INT4 Q8 FP16	306 tok/s 287 tok/s 249 tok/s	~44 ms ~44 ms ~45 ms
#208	Llama 3 8B	8B	INT4	85 tok/s	~1.0s
#209	Qwen3-0.6B	0.6B	INT4 Q8 FP16	292 tok/s 253 tok/s 196 tok/s	~90 ms ~91 ms ~92 ms
#210	Phi-4-Mini	3.8B	INT4 Q8	140 tok/s 96 tok/s	~509 ms ~512 ms
#212	Ministral-8B-2410	8B	INT4	85 tok/s	~1.0s
#213	DeepSeek-R1 1.5B	1.5B	INT4 Q8 FP16	220 tok/s 171 tok/s 114 tok/s	~218 ms ~219 ms ~222 ms
#214	Llama 3.2 3B	3B	INT4 Q8 FP16	160 tok/s 113 tok/s 65 tok/s	~409 ms ~412 ms ~453 ms
#215	Qwen3.5-0.8B	0.8B	INT4 Q8 FP16	271 tok/s 228 tok/s 169 tok/s	~120 ms ~121 ms ~122 ms
#216	Phi-3-mini	3.8B	INT4 Q8	140 tok/s 96 tok/s	~509 ms ~512 ms
#217	Gemma 3n E2B IT	6B (2B active)	INT4	106 tok/s	~335 ms
#218	Mistral-7B-Instruct-v0.1	7.3B	INT4	91 tok/s	~943 ms
#219	Llama 3.2 1B	1B	INT4 Q8 FP16	252 tok/s 207 tok/s 148 tok/s	~151 ms ~152 ms ~154 ms
#220	Gemma 2 2B	2B	INT4 Q8 FP16	194 tok/s 145 tok/s 93 tok/s	~286 ms ~288 ms ~292 ms
#222	OLMo 3 7B Instruct	7B	INT4	65 tok/s	~988 ms
#224	Qwen2-7B	7B	INT4	94 tok/s	~906 ms
#225	Phi-3-small	7B	INT4	94 tok/s	~906 ms
#226	Gemma 3 1B	1B	INT4 Q8 FP16	252 tok/s 207 tok/s 148 tok/s	~151 ms ~152 ms ~154 ms
#227	Mistral-7B-Instruct-v0.2	7.3B	INT4	91 tok/s	~943 ms
#229	Gemma 1 7B	7B	INT4	65 tok/s	~988 ms
#230	Gemma 1 2B	2B	INT4 Q8 FP16	205 tok/s 150 tok/s 95 tok/s	~286 ms ~287 ms ~291 ms
#231	ChatGLM3-6B	6B	INT4	72 tok/s	~853 ms
#232	ChatGLM2-6B	6B	INT4	72 tok/s	~853 ms
#233	ChatGLM-6B	6B	INT4	72 tok/s	~853 ms
未上榜模型（按推理速度排序）
-	Qwen2-0.5B	0.5B	INT4 Q8 FP16	303 tok/s 267 tok/s 212 tok/s	~76 ms ~76 ms ~77 ms
-	Qwen2.5-0.5B	0.5B	INT4 Q8 FP16	303 tok/s 267 tok/s 212 tok/s	~76 ms ~76 ms ~77 ms
-	ERNIE-4.5-0.3B	0.3B	INT4 Q8 FP16	298 tok/s 279 tok/s 240 tok/s	~49 ms ~49 ms ~49 ms
-	ERNIE-4.5-0.3B-Base	0.3B	INT4 Q8 FP16	298 tok/s 279 tok/s 240 tok/s	~49 ms ~49 ms ~49 ms
-	Falcon-1B	1B	INT4 Q8 FP16	263 tok/s 214 tok/s 151 tok/s	~151 ms ~152 ms ~153 ms
-	Falcon3-1B	1B	INT4 Q8 FP16	252 tok/s 207 tok/s 148 tok/s	~151 ms ~152 ms ~154 ms
-	Qwen2-1.5B	1.5B	INT4 Q8 FP16	220 tok/s 171 tok/s 114 tok/s	~218 ms ~219 ms ~222 ms
-	Qwen2.5-1.5B	1.5B	INT4 Q8 FP16	220 tok/s 171 tok/s 114 tok/s	~218 ms ~219 ms ~222 ms
-	Spark X2.5 1.7B	1.7B	INT4 Q8 FP16	208 tok/s 159 tok/s 105 tok/s	~246 ms ~247 ms ~250 ms
-	Hy-MT2 1.8B	1.8B	INT4 Q8 FP16	204 tok/s 154 tok/s 100 tok/s	~258 ms ~260 ms ~263 ms
-	Falcon-3B	3B	INT4 Q8 FP16	168 tok/s 116 tok/s 66 tok/s	~409 ms ~412 ms ~453 ms
-	CroissantLLM Base	1.3B	INT4 Q8 FP16	166 tok/s 142 tok/s 105 tok/s	~192 ms ~193 ms ~196 ms
-	Phi-1	1.3B	INT4 Q8 FP16	166 tok/s 142 tok/s 105 tok/s	~192 ms ~193 ms ~196 ms
-	Phi-1.5	1.3B	INT4 Q8 FP16	166 tok/s 142 tok/s 105 tok/s	~192 ms ~193 ms ~196 ms
-	DeepSeek-R1 3B	3B	INT4 Q8 FP16	162 tok/s 114 tok/s 65 tok/s	~409 ms ~412 ms ~453 ms
-	Falcon3-3B	3B	INT4 Q8 FP16	160 tok/s 113 tok/s 65 tok/s	~409 ms ~412 ms ~453 ms
-	Qwen2.5-3B	3B	INT4 Q8 FP16	160 tok/s 113 tok/s 65 tok/s	~409 ms ~412 ms ~453 ms
-	Spark X2.5 4B	4B	INT4 Q8	136 tok/s 92 tok/s	~533 ms ~537 ms
-	Phi-2	2.7B	INT4 Q8 FP16	117 tok/s 93 tok/s 57 tok/s	~375 ms ~377 ms ~448 ms
-	MaLLaM-3B	3B	INT4 Q8	112 tok/s 88 tok/s	~412 ms ~414 ms
-	SmolLM3 3B	3B	INT4 Q8	112 tok/s 88 tok/s	~412 ms ~414 ms
-	Falcon-7B	7B	INT4 Q8	98 tok/s 55 tok/s	~906 ms ~1.1s
-	Falcon3-7B	7B	INT4	94 tok/s	~906 ms
-	Hy-MT2 7B	7B	INT4	94 tok/s	~906 ms
-	Mistral-7B-v0.1	7.3B	INT4	91 tok/s	~943 ms
-	LensVLM 9B	9B	INT4	78 tok/s	~1.2s
-	MiMo V2.6 Distill Qwen 9B	9B	INT4	78 tok/s	~1.2s
-	ChatGLM3-6B-32K	6B	INT4	72 tok/s	~853 ms
-	Yi-6B	6B	INT4	72 tok/s	~853 ms
-	Falcon3-10B	10B	INT4	68 tok/s	~1.4s
-	Falcon2-11B	11B	INT4	66 tok/s	~1.5s
-	Hunyuan Lite	7B	INT4	65 tok/s	~988 ms
-	OLMo 3 7B Base	7B	INT4	65 tok/s	~988 ms
-	SEA-LION-7B	7.1B	INT4	65 tok/s	~1.0s
-	SEA-LION-7B-Instruct	7.1B	INT4	65 tok/s	~1.0s
-	Sahabat-AI-Llama3-8B-Instruct	8B	INT4	56 tok/s	~1.2s
-	Typhoon-2-8B	8B	INT4	56 tok/s	~1.2s

NVIDIA RTX 3070 Ti (8GB)

显存占用随上下文长度变化曲线

NVIDIA RTX 3070 Ti (8GB) 最佳运行大模型与速度矩阵

推理能力评估

微调能力评估

负载与选型建议

常见问题解答