趋近智
NVIDIA RTX 5060 Ti (8GB)
NVIDIA RTX 5060 Ti (8GB) 配备 8 GB 专用显存与 448 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
448 GB/s
最大推理模型级别
8B 模型 (Q4)
热设计功耗
180W
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 5060 Ti (8GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 5060 Ti (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 | 61 tok/s | ~1.1s | |
#127 | K2 Horizon 7B | 7B | INT4 | 74 tok/s | ~836 ms | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 | 111 tok/s 73 tok/s | ~492 ms ~497 ms | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 | 20 tok/s 11 tok/s | ~3.4s ~3.7s | |
#152 | Granite 4.2 8B | 8B | INT4 | 67 tok/s | ~950 ms | |
#157 | Gemma 4 E4B | 8B | INT4 | 67 tok/s | ~950 ms | |
#180 | Gemma 3 12B | 12B | INT4 | 43 tok/s | ~1.7s | |
#185 | Ministral 3 8B | 8B | INT4 | 43 tok/s | ~1.1s | |
#187 | OLMo 3 7B Think | 7B | INT4 | 50 tok/s | ~913 ms | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 166 tok/s 119 tok/s 73 tok/s | ~264 ms ~267 ms ~272 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 166 tok/s 119 tok/s 73 tok/s | ~264 ms ~267 ms ~272 ms | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 | 94 tok/s 57 tok/s | ~618 ms ~678 ms | |
#195 | Ministral 3 3B | 3B | INT4 Q8 | 89 tok/s 69 tok/s | ~382 ms ~385 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 | 69 tok/s | ~950 ms | |
#198 | Gemma 2 9B | 9B | INT4 | 61 tok/s | ~1.1s | |
#201 | Qwen3-4B | 4B | INT4 Q8 | 111 tok/s 73 tok/s | ~492 ms ~497 ms | |
#203 | Gemma 3 4B | 4B | INT4 Q8 | 111 tok/s 73 tok/s | ~492 ms ~497 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 | 76 tok/s 42 tok/s | ~836 ms ~990 ms | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 247 tok/s 200 tok/s 141 tok/s | ~111 ms ~112 ms ~114 ms | |
#207 | Llama 3.1 8B | 8B | INT4 | 67 tok/s | ~950 ms | |
#207 | Qwen3-8B | 8B | INT4 | 67 tok/s | ~950 ms | |
#212 | Llama 3 8B | 8B | INT4 | 67 tok/s | ~950 ms | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 180 tok/s 132 tok/s 83 tok/s | ~227 ms ~229 ms ~233 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 288 tok/s 265 tok/s 223 tok/s | ~41 ms ~42 ms ~42 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 271 tok/s 227 tok/s 167 tok/s | ~84 ms ~85 ms ~86 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 | 115 tok/s 76 tok/s | ~470 ms ~474 ms | |
#218 | Qwen2.5-7B | 7B | INT4 | 74 tok/s | ~836 ms | |
#220 | Ministral-8B-2410 | 8B | INT4 | 67 tok/s | ~950 ms | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 192 tok/s 143 tok/s 92 tok/s | ~202 ms ~203 ms ~207 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 | 115 tok/s 76 tok/s | ~470 ms ~474 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 | 85 tok/s | ~311 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 166 tok/s 119 tok/s 73 tok/s | ~264 ms ~267 ms ~272 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 | 72 tok/s | ~870 ms | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~140 ms ~141 ms ~143 ms | |
#230 | OLMo 3 7B Instruct | 7B | INT4 | 50 tok/s | ~913 ms | |
#231 | Qwen2-7B | 7B | INT4 | 74 tok/s | ~836 ms | |
#232 | Phi-3-small | 7B | INT4 | 74 tok/s | ~836 ms | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 | 72 tok/s | ~870 ms | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~140 ms ~141 ms ~143 ms | |
#236 | Gemma 1 7B | 7B | INT4 | 50 tok/s | ~913 ms | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 176 tok/s 124 tok/s 75 tok/s | ~264 ms ~266 ms ~272 ms | |
#238 | ChatGLM3-6B | 6B | INT4 | 56 tok/s | ~788 ms | |
#239 | ChatGLM2-6B | 6B | INT4 | 56 tok/s | ~788 ms | |
#240 | ChatGLM-6B | 6B | INT4 | 56 tok/s | ~788 ms | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 314 tok/s 282 tok/s 231 tok/s | ~45 ms ~45 ms ~46 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 284 tok/s 243 tok/s 184 tok/s | ~71 ms ~71 ms ~73 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 284 tok/s 243 tok/s 184 tok/s | ~71 ms ~71 ms ~73 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 279 tok/s 256 tok/s 213 tok/s | ~45 ms ~46 ms ~47 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 279 tok/s 256 tok/s 213 tok/s | ~45 ms ~46 ms ~47 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 271 tok/s 227 tok/s 167 tok/s | ~84 ms ~85 ms ~86 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 238 tok/s 186 tok/s 125 tok/s | ~139 ms ~141 ms ~143 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~140 ms ~141 ms ~143 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~140 ms ~141 ms ~143 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 192 tok/s 143 tok/s 92 tok/s | ~202 ms ~203 ms ~207 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 192 tok/s 143 tok/s 92 tok/s | ~202 ms ~203 ms ~207 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 180 tok/s 132 tok/s 83 tok/s | ~227 ms ~229 ms ~233 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 175 tok/s 128 tok/s 80 tok/s | ~239 ms ~241 ms ~246 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 141 tok/s 94 tok/s 51 tok/s | ~378 ms ~381 ms ~422 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 138 tok/s 117 tok/s 83 tok/s | ~179 ms ~180 ms ~183 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 138 tok/s 117 tok/s 83 tok/s | ~179 ms ~180 ms ~183 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 138 tok/s 117 tok/s 83 tok/s | ~179 ms ~180 ms ~183 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 135 tok/s 91 tok/s 50 tok/s | ~378 ms ~381 ms ~422 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 50 tok/s | ~378 ms ~382 ms ~422 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 | 122 tok/s | ~433 ms | |
- | FrogNano 4B | 4B | INT4 Q8 | 111 tok/s 73 tok/s | ~492 ms ~497 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 | 111 tok/s 73 tok/s | ~492 ms ~497 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 107 tok/s 87 tok/s 57 tok/s | ~268 ms ~270 ms ~298 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 94 tok/s 74 tok/s 44 tok/s | ~347 ms ~350 ms ~418 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 | 89 tok/s 69 tok/s | ~382 ms ~385 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 | 89 tok/s 69 tok/s | ~382 ms ~385 ms | |
- | Falcon-7B | 7B | INT4 Q8 | 78 tok/s 42 tok/s | ~836 ms ~990 ms | |
- | Falcon3-7B | 7B | INT4 | 74 tok/s | ~836 ms | |
- | Hy-MT2 7B | 7B | INT4 | 74 tok/s | ~836 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 | 72 tok/s | ~870 ms | |
- | Youtu Parsing Omni | 8B | INT4 | 69 tok/s | ~950 ms | |
- | LensVLM 9B | 9B | INT4 | 61 tok/s | ~1.1s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 | 61 tok/s | ~1.1s | |
- | ChatGLM3-6B-32K | 6B | INT4 | 56 tok/s | ~788 ms | |
- | Yi-6B | 6B | INT4 | 56 tok/s | ~788 ms | |
- | Falcon3-10B | 10B | INT4 | 53 tok/s | ~1.3s | |
- | Falcon2-11B | 11B | INT4 | 51 tok/s | ~1.4s | |
- | Hunyuan Lite | 7B | INT4 | 50 tok/s | ~913 ms | |
- | OLMo 3 7B Base | 7B | INT4 | 50 tok/s | ~913 ms | |
- | SEA-LION-7B | 7.1B | INT4 | 50 tok/s | ~925 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 | 50 tok/s | ~925 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 | 43 tok/s | ~1.1s | |
- | Typhoon-2-8B | 8B | INT4 | 43 tok/s | ~1.1s | |
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 5060 Ti (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 448 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 100 tok/s，70B Q4 模型预估生成速度约 12 tok/s。