趋近智
NVIDIA RTX 5000 Ada Generation (32GB)
NVIDIA RTX 5000 Ada Generation (32GB) 配备 32 GB 专用显存与 576 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
32 GB
可用显存上限
32 GB
显存带宽
576 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
250W
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 5000 Ada Generation (32GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 5000 Ada Generation (32GB) 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 |
|---|---|---|---|---|---|---|
#48 | Qwen 3.8 27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
#83 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 113 tok/s | ~233 ms | |
#93 | Qwen3.5-27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
#105 | Sarvam-30B | 32B (2.4B active) | INT4 | 143 tok/s | ~164 ms | |
#106 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 130 tok/s | ~191 ms | |
#110 | Muse Glimmer 30B | 30B | INT4 Q8 | 27 tok/s 14 tok/s | ~1.3s ~1.5s | |
#111 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 3 tok/s 2 tok/s | ~12.7s ~13.0s | |
#112 | Phi-4 Reasoning Plus | 14B | INT4 Q8 FP16 | 38 tok/s 26 tok/s 13 tok/s | ~622 ms ~634 ms ~773 ms | |
#117 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 Q8 | 120 tok/s 81 tok/s | ~214 ms ~235 ms | |
#125 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 75 tok/s 46 tok/s 25 tok/s | ~401 ms ~409 ms ~428 ms | |
#126 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 130 tok/s | ~191 ms | |
#128 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 90 tok/s 57 tok/s 31 tok/s | ~315 ms ~322 ms ~336 ms | |
#135 | Gemma 4 12B | 11.95B | INT4 Q8 FP16 | 44 tok/s 30 tok/s 16 tok/s | ~534 ms ~544 ms ~615 ms | |
#140 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
#143 | GPT-OSS 20B | 21B (3.6B active) | INT4 Q8 | 60 tok/s 49 tok/s | ~209 ms ~229 ms | |
#144 | GLM-4V | 9B | INT4 Q8 FP16 | 55 tok/s 38 tok/s 22 tok/s | ~406 ms ~414 ms ~432 ms | |
#150 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 25 tok/s 15 tok/s 8 tok/s | ~1.3s ~1.3s ~1.3s | |
#153 | Qwen3-30B-A3B | 30B (3B active) | INT4 Q8 | 132 tok/s 88 tok/s | ~187 ms ~221 ms | |
#158 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 82 tok/s 51 tok/s 28 tok/s | ~358 ms ~365 ms ~381 ms | |
#159 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 82 tok/s 51 tok/s 28 tok/s | ~358 ms ~365 ms ~381 ms | |
#163 | Mistral Large 3 | 41B (675B active) | INT4 | 1 tok/s | ~32.4s | |
#165 | GLM-4 | 32B | INT4 | 20 tok/s | ~1.4s | |
#166 | Phi-4 | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
#167 | Gemma 3 27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
#170 | DeepSeek-R1 32B | 32B | INT4 Q8 | 26 tok/s 13 tok/s | ~1.4s ~1.6s | |
#171 | Qwen3-32B | 32B | INT4 | 25 tok/s | ~1.4s | |
#175 | Magistral Small | 24B | INT4 Q8 | 25 tok/s 15 tok/s | ~1.0s ~1.2s | |
#176 | OLMo 3.1 32B Instruct | 32B | INT4 | 20 tok/s | ~1.4s | |
#177 | Qwen2.5-32B | 32B | INT4 | 25 tok/s | ~1.4s | |
#178 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 66 tok/s 47 tok/s 28 tok/s | ~319 ms ~325 ms ~340 ms | |
#179 | DeepSeek-R1 14B | 14B | INT4 Q8 FP16 | 54 tok/s 32 tok/s 16 tok/s | ~614 ms ~627 ms ~710 ms | |
#183 | Ministral 3 14B | 14B | INT4 Q8 FP16 | 38 tok/s 26 tok/s 13 tok/s | ~622 ms ~634 ms ~773 ms | |
#186 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 59 tok/s 36 tok/s 19 tok/s | ~530 ms ~541 ms ~565 ms | |
#188 | Mistral-Small-2501 | 24B | INT4 Q8 | 33 tok/s 18 tok/s | ~1.0s ~1.1s | |
#189 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 60 tok/s 42 tok/s 25 tok/s | ~362 ms ~369 ms ~385 ms | |
#190 | Gemma 4 31B | 30.7B | INT4 Q8 | 26 tok/s 13 tok/s | ~1.3s ~1.6s | |
#191 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
#192 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
#193 | Gemma 2 27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
#194 | Qwen2.5-14B | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
#195 | OLMo 3.1 32B Think | 32B | INT4 | 20 tok/s | ~1.4s | |
#196 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 54 tok/s | ~198 ms | |
#200 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 113 tok/s 74 tok/s 42 tok/s | ~234 ms ~239 ms ~249 ms | |
#202 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 84 tok/s 52 tok/s 28 tok/s | ~357 ms ~365 ms ~381 ms | |
#203 | Kimi Linear 48B A3B Instruct | 48B (3B active) | INT4 | 41 tok/s | ~250 ms | |
#204 | Qwen3-4B | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
#205 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 107 tok/s 84 tok/s 56 tok/s | ~148 ms ~150 ms ~157 ms | |
#206 | OLMo 3 32B Base | 32B | INT4 | 20 tok/s | ~1.4s | |
#207 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 75 tok/s 46 tok/s 25 tok/s | ~401 ms ~409 ms ~428 ms | |
#208 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 267 tok/s 223 tok/s 164 tok/s | ~46 ms ~47 ms ~48 ms | |
#209 | Qwen3-14B | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
#210 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
#211 | Qwen3-8B | 8B | INT4 Q8 FP16 | 82 tok/s 51 tok/s 28 tok/s | ~358 ms ~365 ms ~381 ms | |
#213 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 93 tok/s 58 tok/s 32 tok/s | ~315 ms ~321 ms ~336 ms | |
#214 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 101 tok/s | ~89 ms ~91 ms ~94 ms | |
#215 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 82 tok/s 51 tok/s 28 tok/s | ~358 ms ~365 ms ~381 ms | |
#216 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 303 tok/s 283 tok/s 245 tok/s | ~20 ms ~21 ms ~21 ms | |
#217 | Command R | 35B | INT4 | 18 tok/s | ~1.5s | |
#218 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 288 tok/s 249 tok/s 191 tok/s | ~36 ms ~37 ms ~38 ms | |
#219 | Llama 3 8B | 8B | INT4 Q8 FP16 | 82 tok/s 51 tok/s 28 tok/s | ~358 ms ~365 ms ~381 ms | |
#221 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 136 tok/s 92 tok/s 54 tok/s | ~179 ms ~183 ms ~190 ms | |
#222 | Mixtral-8x7B-v0.1 | 46.7B (7B active) | INT4 | 76 tok/s | ~395 ms | |
#223 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 90 tok/s 57 tok/s 31 tok/s | ~315 ms ~322 ms ~336 ms | |
#224 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 82 tok/s 51 tok/s 28 tok/s | ~358 ms ~365 ms ~381 ms | |
#225 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~80 ms ~81 ms ~84 ms | |
#226 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
#227 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 Q8 | 132 tok/s 88 tok/s | ~187 ms ~221 ms | |
#228 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 136 tok/s 92 tok/s 54 tok/s | ~179 ms ~183 ms ~190 ms | |
#229 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 107 tok/s 92 tok/s 67 tok/s | ~113 ms ~115 ms ~119 ms | |
#230 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 88 tok/s 55 tok/s 30 tok/s | ~328 ms ~334 ms ~349 ms | |
#231 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 248 tok/s 202 tok/s 143 tok/s | ~57 ms ~58 ms ~60 ms | |
#232 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
#233 | Phi-3-medium | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
#234 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 66 tok/s 47 tok/s 28 tok/s | ~319 ms ~325 ms ~340 ms | |
#235 | Yi-34B | 34B | INT4 | 19 tok/s | ~1.5s | |
#236 | Qwen2-7B | 7B | INT4 Q8 FP16 | 90 tok/s 57 tok/s 31 tok/s | ~315 ms ~322 ms ~336 ms | |
#237 | Phi-3-small | 7B | INT4 Q8 FP16 | 90 tok/s 57 tok/s 31 tok/s | ~315 ms ~322 ms ~336 ms | |
#238 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 248 tok/s 202 tok/s 143 tok/s | ~57 ms ~58 ms ~60 ms | |
#239 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 88 tok/s 55 tok/s 30 tok/s | ~328 ms ~334 ms ~349 ms | |
#241 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 66 tok/s 47 tok/s 28 tok/s | ~319 ms ~325 ms ~340 ms | |
#242 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 200 tok/s 146 tok/s 91 tok/s | ~103 ms ~104 ms ~109 ms | |
#243 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 73 tok/s 53 tok/s 32 tok/s | ~277 ms ~282 ms ~294 ms | |
#244 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 73 tok/s 53 tok/s 32 tok/s | ~277 ms ~282 ms ~294 ms | |
#245 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 73 tok/s 53 tok/s 32 tok/s | ~277 ms ~282 ms ~294 ms | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 325 tok/s 298 tok/s 252 tok/s | ~22 ms ~22 ms ~22 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 300 tok/s 263 tok/s 208 tok/s | ~31 ms ~32 ms ~33 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 300 tok/s 263 tok/s 208 tok/s | ~31 ms ~32 ms ~33 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 295 tok/s 275 tok/s 235 tok/s | ~22 ms ~22 ms ~23 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 295 tok/s 275 tok/s 235 tok/s | ~22 ms ~22 ms ~23 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 288 tok/s 249 tok/s 191 tok/s | ~36 ms ~37 ms ~38 ms | |
- | PixArt-α XL 2 1024-MS | 0.61B | INT4 Q8 FP16 | 287 tok/s 247 tok/s 189 tok/s | ~36 ms ~37 ms ~38 ms | |
- | PixArt-Σ XL 2 1024-MS | 0.61B | INT4 Q8 FP16 | 287 tok/s 247 tok/s 189 tok/s | ~36 ms ~37 ms ~38 ms | |
- | Nemotron 3.5 Parse | 0.63B | INT4 Q8 FP16 | 285 tok/s 244 tok/s 186 tok/s | ~38 ms ~38 ms ~39 ms | |
- | SD 2.1 Turbo | 0.86B | INT4 Q8 FP16 | 261 tok/s 217 tok/s 157 tok/s | ~49 ms ~50 ms ~52 ms | |
- | Stable Diffusion 1.4 | 0.86B | INT4 Q8 FP16 | 261 tok/s 217 tok/s 157 tok/s | ~49 ms ~50 ms ~52 ms | |
- | Stable Diffusion 2.1 | 0.86B | INT4 Q8 FP16 | 261 tok/s 217 tok/s 157 tok/s | ~49 ms ~50 ms ~52 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 259 tok/s 209 tok/s 146 tok/s | ~57 ms ~57 ms ~59 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 248 tok/s 202 tok/s 143 tok/s | ~57 ms ~58 ms ~60 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 248 tok/s 202 tok/s 143 tok/s | ~57 ms ~58 ms ~60 ms | |
- | Kandinsky 2.2 Decoder | 1.22B | INT4 Q8 FP16 | 232 tok/s 184 tok/s 126 tok/s | ~67 ms ~68 ms ~70 ms | |
- | Wan 2.1 T2V 1.3B | 1.3B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 121 tok/s | ~70 ms ~71 ms ~74 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~80 ms ~81 ms ~84 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~80 ms ~81 ms ~84 ms | |
- | SVD Image-to-Video XT | 1.5B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~80 ms ~81 ms ~84 ms | |
- | SVD Image-to-Video XT 1.1 | 1.5B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~80 ms ~81 ms ~84 ms | |
- | LFM3 1.7B | 1.7B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 101 tok/s | ~89 ms ~91 ms ~94 ms | |
- | LFM3 1.7B Base | 1.7B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 101 tok/s | ~89 ms ~91 ms ~94 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 203 tok/s 154 tok/s 101 tok/s | ~89 ms ~91 ms ~94 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 199 tok/s 150 tok/s 97 tok/s | ~93 ms ~95 ms ~99 ms | |
- | CogVideoX 2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | LFM3 Audio 2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | LFM3 Omni 2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | LFM3 VL 2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | Liquid D1 2B | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | LTX-Video 0.9.1 | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | Moondream 3.1 | 9B (2B active) | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~115 ms ~116 ms ~121 ms | |
- | Stable Diffusion 3 Medium | 2B | INT4 Q8 FP16 | 189 tok/s 140 tok/s 89 tok/s | ~103 ms ~105 ms ~109 ms | |
- | Kandinsky 3.0 | 2.1B | INT4 Q8 FP16 | 185 tok/s 136 tok/s 86 tok/s | ~107 ms ~109 ms ~113 ms | |
- | LTX-2 | 2.2B | INT4 Q8 FP16 | 181 tok/s 133 tok/s 83 tok/s | ~111 ms ~113 ms ~118 ms | |
- | SDXL 1.0 Refiner | 2.31B | INT4 Q8 FP16 | 177 tok/s 129 tok/s 80 tok/s | ~116 ms ~118 ms ~123 ms | |
- | Stable Diffusion 3.5 Medium | 2.5B | INT4 Q8 FP16 | 170 tok/s 122 tok/s 75 tok/s | ~124 ms ~126 ms ~131 ms | |
- | SDXL 1.0 Base | 2.56B | INT4 Q8 FP16 | 168 tok/s 121 tok/s 74 tok/s | ~126 ms ~129 ms ~134 ms | |
- | SDXL Turbo | 2.56B | INT4 Q8 FP16 | 168 tok/s 121 tok/s 74 tok/s | ~126 ms ~129 ms ~134 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 163 tok/s 112 tok/s 66 tok/s | ~145 ms ~148 ms ~154 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 161 tok/s 138 tok/s 101 tok/s | ~72 ms ~73 ms ~76 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 161 tok/s 138 tok/s 101 tok/s | ~72 ms ~73 ms ~76 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 161 tok/s 138 tok/s 101 tok/s | ~72 ms ~73 ms ~76 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 157 tok/s 109 tok/s 66 tok/s | ~145 ms ~148 ms ~154 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 FP16 | 157 tok/s 116 tok/s 73 tok/s | ~142 ms ~144 ms ~149 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 155 tok/s 109 tok/s 65 tok/s | ~145 ms ~148 ms ~154 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 Q8 | 146 tok/s 105 tok/s | ~160 ms ~175 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 137 tok/s 100 tok/s | ~176 ms ~178 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 137 tok/s 100 tok/s | ~176 ms ~178 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 Q8 | 133 tok/s 93 tok/s | ~184 ms ~202 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 Q8 | 133 tok/s 93 tok/s | ~184 ms ~202 ms | |
- | FLUX.2 Klein 4B | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
- | Hy-Memory 30B A3B | 30B (3B active) | INT4 Q8 | 132 tok/s 88 tok/s | ~187 ms ~221 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 Q8 | 132 tok/s 88 tok/s | ~187 ms ~221 ms | |
- | Mage-VL Cowork | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 132 tok/s 89 tok/s 51 tok/s | ~188 ms ~191 ms ~199 ms | |
- | MiniCPM-V 4.7 35B A3B | 35B (3B active) | INT4 | 130 tok/s | ~191 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 127 tok/s 105 tok/s 73 tok/s | ~105 ms ~107 ms ~111 ms | |
- | CogVideoX 1.5 5B | 5B | INT4 Q8 FP16 | 114 tok/s 75 tok/s 42 tok/s | ~230 ms ~235 ms ~245 ms | |
- | CogVideoX 5B | 5B | INT4 Q8 FP16 | 114 tok/s 75 tok/s 42 tok/s | ~230 ms ~235 ms ~245 ms | |
- | Wan 2.2 TI2V 5B | 5B | INT4 Q8 FP16 | 114 tok/s 75 tok/s 42 tok/s | ~230 ms ~235 ms ~245 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 113 tok/s 90 tok/s 60 tok/s | ~135 ms ~137 ms ~143 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 107 tok/s 84 tok/s 56 tok/s | ~148 ms ~150 ms ~157 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 107 tok/s 84 tok/s 56 tok/s | ~148 ms ~150 ms ~157 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 94 tok/s 58 tok/s 32 tok/s | ~315 ms ~321 ms ~335 ms | |
- | AuraFlow v0.2 | 6.8B | INT4 Q8 FP16 | 92 tok/s 58 tok/s 32 tok/s | ~307 ms ~313 ms ~327 ms | |
- | AuraFlow v0.3 | 6.8B | INT4 Q8 FP16 | 92 tok/s 58 tok/s 32 tok/s | ~307 ms ~313 ms ~327 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 90 tok/s 57 tok/s 31 tok/s | ~315 ms ~322 ms ~336 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 90 tok/s 57 tok/s 31 tok/s | ~315 ms ~322 ms ~336 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 88 tok/s 55 tok/s 30 tok/s | ~328 ms ~334 ms ~349 ms | |
- | Youtu Parsing Omni | 8B | INT4 Q8 FP16 | 84 tok/s 52 tok/s 28 tok/s | ~357 ms ~365 ms ~381 ms | |
- | Stable Diffusion 3.5 Large | 8.1B | INT4 Q8 FP16 | 81 tok/s 50 tok/s 27 tok/s | ~362 ms ~369 ms ~386 ms | |
- | Stable Diffusion 3.5 Large Turbo | 8.1B | INT4 Q8 FP16 | 81 tok/s 50 tok/s 27 tok/s | ~362 ms ~369 ms ~386 ms | |
- | FLUX.2 Klein 9B | 9B | INT4 Q8 FP16 | 75 tok/s 46 tok/s 25 tok/s | ~401 ms ~409 ms ~428 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 75 tok/s 46 tok/s 25 tok/s | ~401 ms ~409 ms ~428 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 75 tok/s 46 tok/s 25 tok/s | ~401 ms ~409 ms ~428 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 73 tok/s 53 tok/s 32 tok/s | ~277 ms ~282 ms ~294 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 73 tok/s 53 tok/s 32 tok/s | ~277 ms ~282 ms ~294 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 69 tok/s 42 tok/s 23 tok/s | ~443 ms ~453 ms ~473 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 69 tok/s 60 tok/s | ~176 ms ~178 ms | |
- | Mochi 1 Preview | 10B | INT4 Q8 FP16 | 69 tok/s 42 tok/s 23 tok/s | ~443 ms ~453 ms ~473 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 66 tok/s 39 tok/s 21 tok/s | ~485 ms ~496 ms ~518 ms | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 66 tok/s 47 tok/s 28 tok/s | ~319 ms ~325 ms ~340 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 66 tok/s 47 tok/s 28 tok/s | ~319 ms ~325 ms ~340 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 65 tok/s 46 tok/s 28 tok/s | ~324 ms ~330 ms ~344 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 65 tok/s 46 tok/s 28 tok/s | ~324 ms ~330 ms ~344 ms | |
- | FLUX.1 Canny Dev | 11.9B | INT4 Q8 FP16 | 60 tok/s 36 tok/s 19 tok/s | ~525 ms ~536 ms ~561 ms | |
- | FLUX.1 Depth Dev | 11.9B | INT4 Q8 FP16 | 60 tok/s 36 tok/s 19 tok/s | ~525 ms ~536 ms ~561 ms | |
- | FLUX.1 Dev | 11.9B | INT4 Q8 FP16 | 60 tok/s 36 tok/s 19 tok/s | ~525 ms ~536 ms ~561 ms | |
- | FLUX.1 Fill Dev | 11.9B | INT4 Q8 FP16 | 60 tok/s 36 tok/s 19 tok/s | ~525 ms ~536 ms ~561 ms | |
- | FLUX.1 Schnell | 11.9B | INT4 Q8 FP16 | 60 tok/s 36 tok/s 19 tok/s | ~525 ms ~536 ms ~561 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 60 tok/s 42 tok/s 25 tok/s | ~362 ms ~369 ms ~385 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 60 tok/s 42 tok/s 25 tok/s | ~362 ms ~369 ms ~385 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 55 tok/s 38 tok/s 22 tok/s | ~406 ms ~414 ms ~432 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 55 tok/s 38 tok/s 22 tok/s | ~406 ms ~414 ms ~432 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 55 tok/s 38 tok/s 22 tok/s | ~406 ms ~414 ms ~432 ms | |
- | HunyuanVideo 1.5 720P T2V | 13B | INT4 Q8 FP16 | 55 tok/s 33 tok/s 17 tok/s | ~572 ms ~584 ms ~661 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 55 tok/s 38 tok/s 22 tok/s | ~406 ms ~414 ms ~432 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 54 tok/s 37 tok/s 22 tok/s | ~414 ms ~422 ms ~441 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 54 tok/s 37 tok/s 22 tok/s | ~414 ms ~422 ms ~441 ms | |
- | Wan 2.1 I2V 14B 720P | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
- | Wan 2.1 T2V 14B | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
- | Wan 2.2 T2V A14B | 14B | INT4 Q8 FP16 | 52 tok/s 31 tok/s 16 tok/s | ~615 ms ~628 ms ~711 ms | |
- | FLUX.2 Dev | 15B | INT4 Q8 FP16 | 49 tok/s 29 tok/s 14 tok/s | ~657 ms ~671 ms ~819 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 FP16 | 38 tok/s 26 tok/s 13 tok/s | ~622 ms ~634 ms ~773 ms | |
- | Arete 27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
- | AREX-2 | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
- | PPLX Decider v1 27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
- | PPLX Decider v1.1 27B | 27B | INT4 Q8 | 29 tok/s 16 tok/s | ~1.2s ~1.3s | |
- | Agnes 3.0 Flash | 33B | INT4 | 24 tok/s | ~1.4s | |
- | Falcon-40B | 40B | INT4 | 21 tok/s | ~1.7s | |
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
14B 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 5000 Ada Generation (32GB) 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 576 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 128 tok/s，70B Q4 模型预估生成速度约 15 tok/s。