趋近智
NVIDIA RTX 3090 (24GB)
NVIDIA RTX 3090 (24GB) 配备 24 GB 专用显存与 936 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
936.2 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
350W
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 3090 (24GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 3090 (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 | 45 tok/s | ~2.1s | |
#80 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 147 tok/s | ~445 ms | |
#86 | Qwen3.5-27B | 27B | INT4 | 45 tok/s | ~2.1s | |
#93 | Sarvam-30B | 32B (2.4B active) | INT4 | 188 tok/s | ~288 ms | |
#99 | Muse Glimmer 30B | 30B | INT4 | 41 tok/s | ~2.3s | |
#102 | Phi-4 Reasoning Plus | 14B | INT4 Q8 | 59 tok/s 40 tok/s | ~1.1s ~1.1s | |
#103 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 165 tok/s | ~363 ms | |
#105 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 5 tok/s 2 tok/s | ~22.6s ~24.7s | |
#110 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 162 tok/s | ~376 ms | |
#120 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 165 tok/s | ~363 ms | |
#121 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 108 tok/s 69 tok/s 37 tok/s | ~710 ms ~715 ms ~788 ms | |
#127 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 127 tok/s 85 tok/s 48 tok/s | ~557 ms ~561 ms ~570 ms | |
#130 | Gemma 4 12B | 11.95B | INT4 Q8 | 66 tok/s 46 tok/s | ~940 ms ~946 ms | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 175 tok/s 125 tok/s 77 tok/s | ~329 ms ~331 ms ~336 ms | |
#139 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 88 tok/s | ~357 ms | |
#140 | GLM-4V | 9B | INT4 Q8 FP16 | 81 tok/s 58 tok/s 33 tok/s | ~713 ms ~718 ms ~791 ms | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 39 tok/s 24 tok/s 12 tok/s | ~2.2s ~2.2s ~2.3s | |
#150 | Qwen3-30B-A3B | 30B (3B active) | INT4 | 175 tok/s | ~328 ms | |
#152 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 117 tok/s 76 tok/s 43 tok/s | ~633 ms ~637 ms ~647 ms | |
#157 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 117 tok/s 76 tok/s 43 tok/s | ~633 ms ~637 ms ~647 ms | |
#161 | GLM-4 | 32B | INT4 | 28 tok/s | ~2.9s | |
#163 | Gemma 3 27B | 27B | INT4 | 45 tok/s | ~2.1s | |
#164 | Phi-4 | 14B | INT4 Q8 | 78 tok/s 48 tok/s | ~1.1s ~1.1s | |
#166 | Qwen3-32B | 32B | INT4 | 39 tok/s | ~2.4s | |
#168 | DeepSeek-R1 32B | 32B | INT4 | 40 tok/s | ~2.4s | |
#169 | Gemma 4 31B | 30.7B | INT4 | 41 tok/s | ~2.3s | |
#171 | Magistral Small | 24B | INT4 | 39 tok/s | ~1.9s | |
#172 | Qwen2.5-32B | 32B | INT4 | 39 tok/s | ~2.4s | |
#174 | OLMo 3.1 32B Instruct | 32B | INT4 | 28 tok/s | ~2.9s | |
#176 | DeepSeek-R1 14B | 14B | INT4 Q8 | 80 tok/s 49 tok/s | ~1.1s ~1.1s | |
#177 | Ministral 3 14B | 14B | INT4 Q8 | 59 tok/s 40 tok/s | ~1.1s ~1.1s | |
#180 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 87 tok/s 55 tok/s 27 tok/s | ~940 ms ~946 ms ~1.1s | |
#184 | Mistral-Small-2501 | 24B | INT4 | 50 tok/s | ~1.8s | |
#185 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 88 tok/s 64 tok/s 37 tok/s | ~635 ms ~640 ms ~705 ms | |
#186 | Gemma 2 27B | 27B | INT4 | 45 tok/s | ~2.1s | |
#187 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 96 tok/s 70 tok/s 43 tok/s | ~559 ms ~563 ms ~572 ms | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 233 tok/s 184 tok/s 126 tok/s | ~178 ms ~179 ms ~181 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 233 tok/s 184 tok/s 126 tok/s | ~178 ms ~179 ms ~181 ms | |
#190 | Qwen2.5-14B | 14B | INT4 Q8 | 78 tok/s 48 tok/s | ~1.1s ~1.1s | |
#191 | OLMo 3.1 32B Think | 32B | INT4 | 28 tok/s | ~2.9s | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 154 tok/s 106 tok/s 63 tok/s | ~413 ms ~415 ms ~422 ms | |
#195 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 148 tok/s 120 tok/s 83 tok/s | ~255 ms ~256 ms ~260 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 119 tok/s 77 tok/s 43 tok/s | ~632 ms ~637 ms ~647 ms | |
#198 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 108 tok/s 69 tok/s 37 tok/s | ~710 ms ~715 ms ~788 ms | |
#199 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 | 175 tok/s | ~328 ms | |
#201 | Qwen3-4B | 4B | INT4 Q8 FP16 | 175 tok/s 125 tok/s 77 tok/s | ~329 ms ~331 ms ~336 ms | |
#202 | Qwen3-14B | 14B | INT4 Q8 | 78 tok/s 48 tok/s | ~1.1s ~1.1s | |
#203 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 175 tok/s 125 tok/s 77 tok/s | ~329 ms ~331 ms ~336 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 130 tok/s 86 tok/s 49 tok/s | ~557 ms ~561 ms ~569 ms | |
#205 | OLMo 3 32B Base | 32B | INT4 | 28 tok/s | ~2.9s | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 299 tok/s 264 tok/s 208 tok/s | ~76 ms ~77 ms ~78 ms | |
#207 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 117 tok/s 76 tok/s 43 tok/s | ~633 ms ~637 ms ~647 ms | |
#207 | Qwen3-8B | 8B | INT4 Q8 FP16 | 117 tok/s 76 tok/s 43 tok/s | ~633 ms ~637 ms ~647 ms | |
#210 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 76 tok/s | ~363 ms | |
#211 | Command R | 35B | INT4 | 26 tok/s | ~3.1s | |
#212 | Llama 3 8B | 8B | INT4 Q8 FP16 | 117 tok/s 76 tok/s 43 tok/s | ~633 ms ~637 ms ~647 ms | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 246 tok/s 199 tok/s 140 tok/s | ~153 ms ~154 ms ~156 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 326 tok/s 311 tok/s 282 tok/s | ~30 ms ~30 ms ~31 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 315 tok/s 285 tok/s 234 tok/s | ~58 ms ~59 ms ~59 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 180 tok/s 129 tok/s 80 tok/s | ~314 ms ~316 ms ~321 ms | |
#218 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 127 tok/s 85 tok/s 48 tok/s | ~557 ms ~561 ms ~570 ms | |
#220 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 117 tok/s 76 tok/s 43 tok/s | ~633 ms ~637 ms ~647 ms | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 256 tok/s 210 tok/s 151 tok/s | ~136 ms ~137 ms ~139 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 180 tok/s 129 tok/s 80 tok/s | ~314 ms ~316 ms ~321 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 148 tok/s 130 tok/s 98 tok/s | ~192 ms ~193 ms ~195 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 233 tok/s 184 tok/s 126 tok/s | ~178 ms ~179 ms ~181 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 124 tok/s 82 tok/s 47 tok/s | ~579 ms ~583 ms ~593 ms | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 284 tok/s 245 tok/s 187 tok/s | ~95 ms ~96 ms ~97 ms | |
#228 | Phi-3-medium | 14B | INT4 Q8 | 78 tok/s 48 tok/s | ~1.1s ~1.1s | |
#229 | Yi-34B | 34B | INT4 | 26 tok/s | ~3.1s | |
#230 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 96 tok/s 70 tok/s 43 tok/s | ~559 ms ~563 ms ~572 ms | |
#231 | Qwen2-7B | 7B | INT4 Q8 FP16 | 127 tok/s 85 tok/s 48 tok/s | ~557 ms ~561 ms ~570 ms | |
#232 | Phi-3-small | 7B | INT4 Q8 FP16 | 127 tok/s 85 tok/s 48 tok/s | ~557 ms ~561 ms ~570 ms | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 124 tok/s 82 tok/s 47 tok/s | ~579 ms ~583 ms ~593 ms | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 284 tok/s 245 tok/s 187 tok/s | ~95 ms ~96 ms ~97 ms | |
#236 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 96 tok/s 70 tok/s 43 tok/s | ~559 ms ~563 ms ~572 ms | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 243 tok/s 190 tok/s 129 tok/s | ~178 ms ~179 ms ~181 ms | |
#238 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 105 tok/s 79 tok/s 49 tok/s | ~483 ms ~486 ms ~494 ms | |
#239 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 105 tok/s 79 tok/s 49 tok/s | ~483 ms ~486 ms ~494 ms | |
#240 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 105 tok/s 79 tok/s 49 tok/s | ~483 ms ~486 ms ~494 ms | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 341 tok/s 322 tok/s 287 tok/s | ~32 ms ~33 ms ~33 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 323 tok/s 296 tok/s 250 tok/s | ~49 ms ~50 ms ~50 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 323 tok/s 296 tok/s 250 tok/s | ~49 ms ~50 ms ~50 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 320 tok/s 305 tok/s 274 tok/s | ~33 ms ~33 ms ~33 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 320 tok/s 305 tok/s 274 tok/s | ~33 ms ~33 ms ~33 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 315 tok/s 285 tok/s 234 tok/s | ~58 ms ~59 ms ~59 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 293 tok/s 251 tok/s 191 tok/s | ~95 ms ~96 ms ~97 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 284 tok/s 245 tok/s 187 tok/s | ~95 ms ~96 ms ~97 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 284 tok/s 245 tok/s 187 tok/s | ~95 ms ~96 ms ~97 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 256 tok/s 210 tok/s 151 tok/s | ~136 ms ~137 ms ~139 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 256 tok/s 210 tok/s 151 tok/s | ~136 ms ~137 ms ~139 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 246 tok/s 199 tok/s 140 tok/s | ~153 ms ~154 ms ~156 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 242 tok/s 194 tok/s 135 tok/s | ~161 ms ~162 ms ~164 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 208 tok/s 153 tok/s 97 tok/s | ~253 ms ~255 ms ~258 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 205 tok/s 181 tok/s 140 tok/s | ~121 ms ~121 ms ~123 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 205 tok/s 181 tok/s 140 tok/s | ~121 ms ~121 ms ~123 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 205 tok/s 181 tok/s 140 tok/s | ~121 ms ~121 ms ~123 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 202 tok/s 150 tok/s 96 tok/s | ~253 ms ~255 ms ~258 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 FP16 | 202 tok/s 158 tok/s 95 tok/s | ~247 ms ~249 ms ~294 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 200 tok/s 149 tok/s 95 tok/s | ~253 ms ~255 ms ~259 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 | 190 tok/s | ~279 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 181 tok/s 125 tok/s | ~308 ms ~363 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 181 tok/s 125 tok/s | ~308 ms ~363 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 177 tok/s | ~323 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 177 tok/s | ~323 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 175 tok/s 125 tok/s 77 tok/s | ~329 ms ~331 ms ~336 ms | |
- | Hy-Memory 30B A3B | 30B (3B active) | INT4 | 175 tok/s | ~328 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 | 175 tok/s | ~328 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 175 tok/s 125 tok/s 77 tok/s | ~329 ms ~331 ms ~336 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 170 tok/s 145 tok/s 106 tok/s | ~179 ms ~180 ms ~183 ms | |
- | MiniCPM-V 4.7 35B A3B | 35B (3B active) | INT4 | 165 tok/s | ~363 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 154 tok/s 127 tok/s 89 tok/s | ~232 ms ~234 ms ~237 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 148 tok/s 120 tok/s 83 tok/s | ~255 ms ~256 ms ~260 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 148 tok/s 120 tok/s 83 tok/s | ~255 ms ~256 ms ~260 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 132 tok/s 86 tok/s 49 tok/s | ~557 ms ~561 ms ~569 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 127 tok/s 85 tok/s 48 tok/s | ~557 ms ~561 ms ~570 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 127 tok/s 85 tok/s 48 tok/s | ~557 ms ~561 ms ~570 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 124 tok/s 82 tok/s 47 tok/s | ~579 ms ~583 ms ~593 ms | |
- | Youtu Parsing Omni | 8B | INT4 Q8 FP16 | 119 tok/s 77 tok/s 43 tok/s | ~632 ms ~637 ms ~647 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 108 tok/s 69 tok/s 37 tok/s | ~710 ms ~715 ms ~788 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 108 tok/s 69 tok/s 37 tok/s | ~710 ms ~715 ms ~788 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 105 tok/s 79 tok/s 49 tok/s | ~483 ms ~486 ms ~494 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 105 tok/s 79 tok/s 49 tok/s | ~483 ms ~486 ms ~494 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 100 tok/s 64 tok/s 34 tok/s | ~786 ms ~792 ms ~872 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 100 tok/s 84 tok/s | ~300 ms ~327 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 97 tok/s 60 tok/s 30 tok/s | ~862 ms ~868 ms ~1.0s | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 96 tok/s 70 tok/s 43 tok/s | ~559 ms ~563 ms ~572 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 96 tok/s 70 tok/s 43 tok/s | ~559 ms ~563 ms ~572 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 95 tok/s 70 tok/s 43 tok/s | ~567 ms ~571 ms ~580 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 95 tok/s 70 tok/s 43 tok/s | ~567 ms ~571 ms ~580 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 88 tok/s 64 tok/s 37 tok/s | ~635 ms ~640 ms ~705 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 88 tok/s 64 tok/s 37 tok/s | ~635 ms ~640 ms ~705 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 81 tok/s 58 tok/s 33 tok/s | ~713 ms ~718 ms ~791 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 81 tok/s 58 tok/s 33 tok/s | ~713 ms ~718 ms ~791 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 81 tok/s 58 tok/s 33 tok/s | ~713 ms ~718 ms ~791 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 81 tok/s 58 tok/s 33 tok/s | ~713 ms ~718 ms ~791 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 80 tok/s 57 tok/s 33 tok/s | ~728 ms ~733 ms ~807 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 80 tok/s 57 tok/s 33 tok/s | ~728 ms ~733 ms ~807 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 | 59 tok/s 40 tok/s | ~1.1s ~1.1s | |
- | AREX-2 | 27B | INT4 | 45 tok/s | ~2.1s | |
- | PPLX Decider v1 27B | 27B | INT4 | 45 tok/s | ~2.1s | |
- | PPLX Decider v1.1 27B | 27B | INT4 | 45 tok/s | ~2.1s | |
- | Agnes 3.0 Flash | 33B | INT4 | 38 tok/s | ~2.5s | |
- | Falcon-40B | 40B | INT4 | 31 tok/s | ~3.3s | |
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 RTX 3090 (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 936.2 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 208 tok/s，70B Q4 模型预估生成速度约 25 tok/s。