趋近智
NVIDIA RTX 4070 SUPER (12GB)
NVIDIA RTX 4070 SUPER (12GB) 配备 12 GB 专用显存与 504 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
12 GB
可用显存上限
12 GB
显存带宽
504.2 GB/s
最大推理模型级别
14B 模型 (Q4)
热设计功耗
220W
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 4070 SUPER (12GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 4070 SUPER (12GB) 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 |
|---|---|---|---|---|---|---|
#100 | Phi-4 Reasoning Plus | 14B | INT4 | 31 tok/s | ~1.3s | |
#109 | Gemma 4 12B | 11.95B | INT4 | 37 tok/s | ~1.0s | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 | 67 tok/s 39 tok/s | ~720 ms ~791 ms | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 | 82 tok/s 51 tok/s | ~565 ms ~572 ms | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 22 tok/s 13 tok/s 6 tok/s | ~2.3s ~2.3s ~2.6s | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 121 tok/s 80 tok/s 46 tok/s | ~334 ms ~338 ms ~347 ms | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 | 74 tok/s 43 tok/s | ~642 ms ~705 ms | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 | 74 tok/s 43 tok/s | ~642 ms ~705 ms | |
#158 | GLM-4V | 9B | INT4 | 49 tok/s | ~725 ms | |
#160 | Phi-4 | 14B | INT4 | 46 tok/s | ~1.1s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 | 59 tok/s 40 tok/s | ~569 ms ~625 ms | |
#172 | DeepSeek-R1 14B | 14B | INT4 | 48 tok/s | ~1.1s | |
#173 | Ministral 3 14B | 14B | INT4 | 31 tok/s | ~1.3s | |
#177 | Gemma 3 12B | 12B | INT4 | 53 tok/s | ~953 ms | |
#182 | Ministral 3 8B | 8B | INT4 Q8 | 53 tok/s 34 tok/s | ~647 ms ~767 ms | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 177 tok/s 129 tok/s 80 tok/s | ~180 ms ~182 ms ~187 ms | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 177 tok/s 129 tok/s 80 tok/s | ~180 ms ~182 ms ~187 ms | |
#185 | Qwen2.5-14B | 14B | INT4 | 46 tok/s | ~1.1s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 103 tok/s 66 tok/s 33 tok/s | ~418 ms ~424 ms ~509 ms | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 121 tok/s 80 tok/s 46 tok/s | ~334 ms ~338 ms ~347 ms | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 | 76 tok/s 46 tok/s | ~641 ms ~650 ms | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 98 tok/s 76 tok/s 50 tok/s | ~260 ms ~263 ms ~270 ms | |
#195 | Qwen3-14B | 14B | INT4 | 46 tok/s | ~1.1s | |
#197 | Gemma 2 9B | 9B | INT4 Q8 | 67 tok/s 39 tok/s | ~720 ms ~791 ms | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 | 82 tok/s 51 tok/s | ~565 ms ~572 ms | |
#199 | Qwen3-8B | 8B | INT4 Q8 | 74 tok/s 43 tok/s | ~642 ms ~705 ms | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 121 tok/s 80 tok/s 46 tok/s | ~334 ms ~338 ms ~347 ms | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 | 84 tok/s 52 tok/s | ~564 ms ~572 ms | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 | 74 tok/s 43 tok/s | ~642 ms ~705 ms | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 191 tok/s 143 tok/s 91 tok/s | ~155 ms ~157 ms ~161 ms | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 295 tok/s 274 tok/s 234 tok/s | ~30 ms ~31 ms ~31 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 | 74 tok/s 43 tok/s | ~642 ms ~705 ms | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 279 tok/s 238 tok/s 178 tok/s | ~59 ms ~60 ms ~61 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 125 tok/s 83 tok/s 48 tok/s | ~318 ms ~322 ms ~331 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 | 74 tok/s 43 tok/s | ~642 ms ~705 ms | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 100 tok/s | ~138 ms ~140 ms ~143 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 143 tok/s 99 tok/s 58 tok/s | ~257 ms ~260 ms ~267 ms | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 257 tok/s 211 tok/s 152 tok/s | ~77 ms ~78 ms ~80 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 125 tok/s 83 tok/s 48 tok/s | ~318 ms ~322 ms ~331 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 | 97 tok/s 83 tok/s | ~196 ms ~198 ms | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 | 79 tok/s 49 tok/s | ~587 ms ~595 ms | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 237 tok/s 190 tok/s 132 tok/s | ~96 ms ~97 ms ~100 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 177 tok/s 129 tok/s 80 tok/s | ~180 ms ~182 ms ~187 ms | |
#221 | Phi-3-medium | 14B | INT4 | 46 tok/s | ~1.1s | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 | 59 tok/s 40 tok/s | ~569 ms ~625 ms | |
#224 | Qwen2-7B | 7B | INT4 Q8 | 82 tok/s 51 tok/s | ~565 ms ~572 ms | |
#225 | Phi-3-small | 7B | INT4 Q8 | 82 tok/s 51 tok/s | ~565 ms ~572 ms | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 237 tok/s 190 tok/s 132 tok/s | ~96 ms ~97 ms ~100 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 | 79 tok/s 49 tok/s | ~587 ms ~595 ms | |
#229 | Gemma 1 7B | 7B | INT4 Q8 | 59 tok/s 40 tok/s | ~569 ms ~625 ms | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 187 tok/s 134 tok/s 82 tok/s | ~180 ms ~182 ms ~187 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 | 65 tok/s 47 tok/s | ~492 ms ~498 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 | 65 tok/s 47 tok/s | ~492 ms ~498 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 | 65 tok/s 47 tok/s | ~492 ms ~498 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 292 tok/s 253 tok/s 195 tok/s | ~50 ms ~51 ms ~52 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 292 tok/s 253 tok/s 195 tok/s | ~50 ms ~51 ms ~52 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 287 tok/s 265 tok/s 224 tok/s | ~33 ms ~33 ms ~34 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 287 tok/s 265 tok/s 224 tok/s | ~33 ms ~33 ms ~34 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 248 tok/s 196 tok/s 135 tok/s | ~96 ms ~97 ms ~100 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 237 tok/s 190 tok/s 132 tok/s | ~96 ms ~97 ms ~100 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 100 tok/s | ~138 ms ~140 ms ~143 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 100 tok/s | ~138 ms ~140 ms ~143 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 191 tok/s 143 tok/s 91 tok/s | ~155 ms ~157 ms ~161 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 186 tok/s 138 tok/s 87 tok/s | ~163 ms ~165 ms ~169 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 151 tok/s 102 tok/s 60 tok/s | ~256 ms ~259 ms ~266 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 149 tok/s 126 tok/s 91 tok/s | ~123 ms ~124 ms ~127 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 149 tok/s 126 tok/s 91 tok/s | ~123 ms ~124 ms ~127 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 149 tok/s 126 tok/s 91 tok/s | ~123 ms ~124 ms ~127 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 145 tok/s 99 tok/s 59 tok/s | ~257 ms ~260 ms ~267 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 143 tok/s 99 tok/s 58 tok/s | ~257 ms ~260 ms ~267 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 143 tok/s 99 tok/s 58 tok/s | ~257 ms ~260 ms ~267 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 121 tok/s 80 tok/s 46 tok/s | ~334 ms ~338 ms ~347 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 102 tok/s 81 tok/s 54 tok/s | ~237 ms ~239 ms ~246 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 98 tok/s 76 tok/s 50 tok/s | ~260 ms ~263 ms ~270 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 98 tok/s 76 tok/s 50 tok/s | ~260 ms ~263 ms ~270 ms | |
- | Falcon-7B | 7B | INT4 Q8 | 85 tok/s 52 tok/s | ~564 ms ~572 ms | |
- | Falcon3-7B | 7B | INT4 Q8 | 82 tok/s 51 tok/s | ~565 ms ~572 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 | 82 tok/s 51 tok/s | ~565 ms ~572 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 | 79 tok/s 49 tok/s | ~587 ms ~595 ms | |
- | LensVLM 9B | 9B | INT4 Q8 | 67 tok/s 39 tok/s | ~720 ms ~791 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 | 67 tok/s 39 tok/s | ~720 ms ~791 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 | 65 tok/s 47 tok/s | ~492 ms ~498 ms | |
- | Yi-6B | 6B | INT4 Q8 | 65 tok/s 47 tok/s | ~492 ms ~498 ms | |
- | Falcon3-10B | 10B | INT4 Q8 | 62 tok/s 34 tok/s | ~797 ms ~946 ms | |
- | Falcon2-11B | 11B | INT4 Q8 | 59 tok/s 32 tok/s | ~873 ms ~1.0s | |
- | Hunyuan Lite | 7B | INT4 Q8 | 59 tok/s 40 tok/s | ~569 ms ~625 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 | 59 tok/s 40 tok/s | ~569 ms ~625 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 | 58 tok/s 39 tok/s | ~577 ms ~633 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 | 58 tok/s 39 tok/s | ~577 ms ~633 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 | 53 tok/s 34 tok/s | ~647 ms ~767 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 | 53 tok/s 34 tok/s | ~647 ms ~767 ms | |
- | GLM-4-9B | 9B | INT4 | 49 tok/s | ~725 ms | |
- | GLM-4-9B-Chat | 9B | INT4 | 49 tok/s | ~725 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 | 49 tok/s | ~725 ms | |
- | Yi-9B | 9B | INT4 | 49 tok/s | ~725 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 | 48 tok/s | ~741 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 | 48 tok/s | ~741 ms | |
- | GreenMind-14B-R1 | 14B | INT4 | 31 tok/s | ~1.3s | |
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
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 4070 SUPER (12GB) 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 504.2 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 112 tok/s，70B Q4 模型预估生成速度约 13 tok/s。