趋近智
NVIDIA RTX 4060 (8GB)
NVIDIA RTX 4060 (8GB) 配备 8 GB 专用显存与 272 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
8 GB
可用显存上限
8 GB
显存带宽
272 GB/s
最大推理模型级别
8B 模型 (Q4)
热设计功耗
115W
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 4060 (8GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 4060 (8GB) 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 |
|---|---|---|---|---|---|---|
#121 | Qwen3.5-9B | 9B | INT4 | 39 tok/s | ~1.7s | |
#127 | K2 Horizon 7B | 7B | INT4 | 49 tok/s | ~1.3s | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 | 77 tok/s 48 tok/s | ~768 ms ~776 ms | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 | 12 tok/s 7 tok/s | ~5.3s ~5.8s | |
#152 | Granite 4.2 8B | 8B | INT4 | 44 tok/s | ~1.5s | |
#157 | Gemma 4 E4B | 8B | INT4 | 44 tok/s | ~1.5s | |
#180 | Gemma 3 12B | 12B | INT4 | 27 tok/s | ~2.6s | |
#185 | Ministral 3 8B | 8B | INT4 | 28 tok/s | ~1.8s | |
#187 | OLMo 3 7B Think | 7B | INT4 | 32 tok/s | ~1.4s | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 122 tok/s 83 tok/s 48 tok/s | ~410 ms ~414 ms ~423 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 122 tok/s 83 tok/s 48 tok/s | ~410 ms ~414 ms ~423 ms | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 | 63 tok/s 37 tok/s | ~965 ms ~1.1s | |
#195 | Ministral 3 3B | 3B | INT4 Q8 | 60 tok/s 45 tok/s | ~594 ms ~600 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 | 45 tok/s | ~1.5s | |
#198 | Gemma 2 9B | 9B | INT4 | 39 tok/s | ~1.7s | |
#201 | Qwen3-4B | 4B | INT4 Q8 | 77 tok/s 48 tok/s | ~768 ms ~776 ms | |
#203 | Gemma 3 4B | 4B | INT4 Q8 | 77 tok/s 48 tok/s | ~768 ms ~776 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 | 50 tok/s 27 tok/s | ~1.3s ~1.5s | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 203 tok/s 155 tok/s 101 tok/s | ~170 ms ~172 ms ~175 ms | |
#207 | Llama 3.1 8B | 8B | INT4 | 44 tok/s | ~1.5s | |
#207 | Qwen3-8B | 8B | INT4 | 44 tok/s | ~1.5s | |
#212 | Llama 3 8B | 8B | INT4 | 44 tok/s | ~1.5s | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 135 tok/s 94 tok/s 55 tok/s | ~352 ms ~355 ms ~362 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 251 tok/s 224 tok/s 178 tok/s | ~61 ms ~61 ms ~62 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 231 tok/s 182 tok/s 124 tok/s | ~127 ms ~128 ms ~131 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 | 79 tok/s 50 tok/s | ~732 ms ~739 ms | |
#218 | Qwen2.5-7B | 7B | INT4 | 49 tok/s | ~1.3s | |
#220 | Ministral-8B-2410 | 8B | INT4 | 44 tok/s | ~1.5s | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 146 tok/s 102 tok/s 62 tok/s | ~312 ms ~315 ms ~321 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 | 79 tok/s 50 tok/s | ~732 ms ~739 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 | 57 tok/s | ~483 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 122 tok/s 83 tok/s 48 tok/s | ~410 ms ~414 ms ~423 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 | 47 tok/s | ~1.4s | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 181 tok/s 134 tok/s 85 tok/s | ~215 ms ~217 ms ~221 ms | |
#230 | OLMo 3 7B Instruct | 7B | INT4 | 32 tok/s | ~1.4s | |
#231 | Qwen2-7B | 7B | INT4 | 49 tok/s | ~1.3s | |
#232 | Phi-3-small | 7B | INT4 | 49 tok/s | ~1.3s | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 | 47 tok/s | ~1.4s | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 181 tok/s 134 tok/s 85 tok/s | ~215 ms ~217 ms ~221 ms | |
#236 | Gemma 1 7B | 7B | INT4 | 32 tok/s | ~1.4s | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 132 tok/s 87 tok/s 50 tok/s | ~410 ms ~413 ms ~422 ms | |
#238 | ChatGLM3-6B | 6B | INT4 | 36 tok/s | ~1.2s | |
#239 | ChatGLM2-6B | 6B | INT4 | 36 tok/s | ~1.2s | |
#240 | ChatGLM-6B | 6B | INT4 | 36 tok/s | ~1.2s | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 286 tok/s 245 tok/s 186 tok/s | ~66 ms ~67 ms ~68 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 247 tok/s 199 tok/s 139 tok/s | ~106 ms ~107 ms ~110 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 247 tok/s 199 tok/s 139 tok/s | ~106 ms ~107 ms ~110 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 241 tok/s 213 tok/s 167 tok/s | ~67 ms ~67 ms ~69 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 241 tok/s 213 tok/s 167 tok/s | ~67 ms ~67 ms ~69 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 231 tok/s 182 tok/s 124 tok/s | ~127 ms ~128 ms ~131 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 194 tok/s 140 tok/s 87 tok/s | ~214 ms ~216 ms ~221 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 181 tok/s 134 tok/s 85 tok/s | ~215 ms ~217 ms ~221 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 181 tok/s 134 tok/s 85 tok/s | ~215 ms ~217 ms ~221 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 146 tok/s 102 tok/s 62 tok/s | ~312 ms ~315 ms ~321 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 146 tok/s 102 tok/s 62 tok/s | ~312 ms ~315 ms ~321 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 135 tok/s 94 tok/s 55 tok/s | ~352 ms ~355 ms ~362 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 131 tok/s 90 tok/s 53 tok/s | ~370 ms ~373 ms ~381 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 100 tok/s 63 tok/s 33 tok/s | ~588 ms ~594 ms ~658 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 98 tok/s 81 tok/s 56 tok/s | ~276 ms ~278 ms ~284 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 98 tok/s 81 tok/s 56 tok/s | ~276 ms ~278 ms ~284 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 98 tok/s 81 tok/s 56 tok/s | ~276 ms ~278 ms ~284 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 96 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 94 tok/s 61 tok/s 32 tok/s | ~588 ms ~594 ms ~658 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 | 86 tok/s | ~674 ms | |
- | FrogNano 4B | 4B | INT4 Q8 | 77 tok/s 48 tok/s | ~768 ms ~776 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 | 77 tok/s 48 tok/s | ~768 ms ~776 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 73 tok/s 58 tok/s 37 tok/s | ~416 ms ~419 ms ~464 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 63 tok/s 49 tok/s 28 tok/s | ~541 ms ~546 ms ~652 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 | 60 tok/s 45 tok/s | ~594 ms ~600 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 | 60 tok/s 45 tok/s | ~594 ms ~600 ms | |
- | Falcon-7B | 7B | INT4 Q8 | 51 tok/s 27 tok/s | ~1.3s ~1.5s | |
- | Falcon3-7B | 7B | INT4 | 49 tok/s | ~1.3s | |
- | Hy-MT2 7B | 7B | INT4 | 49 tok/s | ~1.3s | |
- | Mistral-7B-v0.1 | 7.3B | INT4 | 47 tok/s | ~1.4s | |
- | Youtu Parsing Omni | 8B | INT4 | 45 tok/s | ~1.5s | |
- | LensVLM 9B | 9B | INT4 | 39 tok/s | ~1.7s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 | 39 tok/s | ~1.7s | |
- | ChatGLM3-6B-32K | 6B | INT4 | 36 tok/s | ~1.2s | |
- | Yi-6B | 6B | INT4 | 36 tok/s | ~1.2s | |
- | Falcon3-10B | 10B | INT4 | 34 tok/s | ~2.0s | |
- | Falcon2-11B | 11B | INT4 | 33 tok/s | ~2.2s | |
- | Hunyuan Lite | 7B | INT4 | 32 tok/s | ~1.4s | |
- | OLMo 3 7B Base | 7B | INT4 | 32 tok/s | ~1.4s | |
- | SEA-LION-7B | 7.1B | INT4 | 32 tok/s | ~1.4s | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 | 32 tok/s | ~1.4s | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 | 28 tok/s | ~1.8s | |
- | Typhoon-2-8B | 8B | INT4 | 28 tok/s | ~1.8s | |
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
8B 模型
8位精度
3B 模型
16位全精度
< 1B 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
8B 模型
LoRA
3B 模型
全参数微调
< 1B 模型
负载与选型建议
NVIDIA RTX 4060 (8GB) 上的最佳量化精度与运行规格建议。
最佳推理区间
推荐以 FP16/Q8 精度运行 1B 至 3B 轻量级模型，或在 4-bit 量化下运行 7B/8B 模型。
显存带宽与推理速率
具备 272 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 60 tok/s，70B Q4 模型预估生成速度约 7 tok/s。