趋近智
NVIDIA RTX A4000 (16GB)
NVIDIA RTX A4000 (16GB) 配备 16 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
16 GB
可用显存上限
16 GB
显存带宽
448 GB/s
最大推理模型级别
14B 模型 (Q4)
热设计功耗
140W
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 A4000 (16GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX A4000 (16GB) 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 |
|---|---|---|---|---|---|---|
#33 | Qwen 3.8 27B | 27B | INT4 | 21 tok/s | ~4.5s | |
#83 | Qwen3.5-27B | 27B | INT4 | 21 tok/s | ~4.5s | |
#100 | Phi-4 Reasoning Plus | 14B | INT4 | 31 tok/s | ~2.0s | |
#101 | MiMo V2 Flash | 15B (309B active) | INT4 | 2 tok/s | ~45.6s | |
#108 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 96 tok/s | ~750 ms | |
#109 | Gemma 4 12B | 11.95B | INT4 Q8 | 35 tok/s 21 tok/s | ~1.7s ~2.1s | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 | 61 tok/s 37 tok/s | ~1.3s ~1.3s | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 74 tok/s 46 tok/s 22 tok/s | ~1.0s ~1.0s ~1.2s | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 20 tok/s 12 tok/s 6 tok/s | ~4.1s ~4.2s ~4.2s | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 111 tok/s 73 tok/s 41 tok/s | ~604 ms ~609 ms ~619 ms | |
#136 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 43 tok/s | ~771 ms | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 | 67 tok/s 41 tok/s | ~1.2s ~1.2s | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 | 67 tok/s 41 tok/s | ~1.2s ~1.2s | |
#158 | GLM-4V | 9B | INT4 Q8 | 44 tok/s 29 tok/s | ~1.3s ~1.4s | |
#159 | Gemma 3 27B | 27B | INT4 | 21 tok/s | ~4.5s | |
#160 | Phi-4 | 14B | INT4 Q8 | 42 tok/s 22 tok/s | ~2.0s ~2.4s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.0s | |
#172 | DeepSeek-R1 14B | 14B | INT4 Q8 | 43 tok/s 23 tok/s | ~2.0s ~2.4s | |
#173 | Ministral 3 14B | 14B | INT4 | 31 tok/s | ~2.0s | |
#177 | Gemma 3 12B | 12B | INT4 Q8 | 48 tok/s 27 tok/s | ~1.7s ~1.9s | |
#181 | Mistral-Small-2501 | 24B | INT4 | 25 tok/s | ~3.7s | |
#182 | Ministral 3 8B | 8B | INT4 Q8 | 48 tok/s 34 tok/s | ~1.2s ~1.2s | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 166 tok/s 119 tok/s 73 tok/s | ~323 ms ~326 ms ~331 ms | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 166 tok/s 119 tok/s 73 tok/s | ~323 ms ~326 ms ~331 ms | |
#185 | Qwen2.5-14B | 14B | INT4 Q8 | 42 tok/s 22 tok/s | ~2.0s ~2.4s | |
#186 | Gemma 2 27B | 27B | INT4 | 21 tok/s | ~4.5s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 94 tok/s 60 tok/s 33 tok/s | ~759 ms ~765 ms ~779 ms | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 111 tok/s 73 tok/s 41 tok/s | ~604 ms ~609 ms ~619 ms | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 | 69 tok/s 41 tok/s | ~1.2s ~1.2s | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 89 tok/s 69 tok/s 45 tok/s | ~467 ms ~470 ms ~478 ms | |
#195 | Qwen3-14B | 14B | INT4 Q8 | 42 tok/s 22 tok/s | ~2.0s ~2.4s | |
#197 | Gemma 2 9B | 9B | INT4 Q8 | 61 tok/s 37 tok/s | ~1.3s ~1.3s | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 74 tok/s 46 tok/s 22 tok/s | ~1.0s ~1.0s ~1.2s | |
#199 | Qwen3-8B | 8B | INT4 Q8 | 67 tok/s 41 tok/s | ~1.2s ~1.2s | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 111 tok/s 73 tok/s 41 tok/s | ~604 ms ~609 ms ~619 ms | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 76 tok/s 47 tok/s 24 tok/s | ~1.0s ~1.0s ~1.1s | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 | 67 tok/s 41 tok/s | ~1.2s ~1.2s | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 180 tok/s 132 tok/s 83 tok/s | ~277 ms ~280 ms ~284 ms | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 288 tok/s 265 tok/s 223 tok/s | ~49 ms ~49 ms ~50 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 | 67 tok/s 41 tok/s | ~1.2s ~1.2s | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 271 tok/s 227 tok/s 167 tok/s | ~102 ms ~102 ms ~104 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 115 tok/s 76 tok/s 43 tok/s | ~576 ms ~580 ms ~590 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 | 67 tok/s 41 tok/s | ~1.2s ~1.2s | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 192 tok/s 143 tok/s 92 tok/s | ~246 ms ~248 ms ~252 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 53 tok/s | ~463 ms ~467 ms ~475 ms | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 247 tok/s 200 tok/s 141 tok/s | ~135 ms ~136 ms ~138 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 115 tok/s 76 tok/s 43 tok/s | ~576 ms ~580 ms ~590 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 89 tok/s 76 tok/s 52 tok/s | ~350 ms ~352 ms ~387 ms | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 72 tok/s 44 tok/s 22 tok/s | ~1.1s ~1.1s ~1.3s | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~170 ms ~171 ms ~174 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 166 tok/s 119 tok/s 73 tok/s | ~323 ms ~326 ms ~331 ms | |
#221 | Phi-3-medium | 14B | INT4 Q8 | 42 tok/s 22 tok/s | ~2.0s ~2.4s | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.0s | |
#224 | Qwen2-7B | 7B | INT4 Q8 FP16 | 74 tok/s 46 tok/s 22 tok/s | ~1.0s ~1.0s ~1.2s | |
#225 | Phi-3-small | 7B | INT4 Q8 FP16 | 74 tok/s 46 tok/s 22 tok/s | ~1.0s ~1.0s ~1.2s | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~170 ms ~171 ms ~174 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 72 tok/s 44 tok/s 22 tok/s | ~1.1s ~1.1s ~1.3s | |
#229 | Gemma 1 7B | 7B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.0s | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 176 tok/s 124 tok/s 75 tok/s | ~323 ms ~326 ms ~331 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 59 tok/s 42 tok/s 24 tok/s | ~891 ms ~898 ms ~991 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 59 tok/s 42 tok/s 24 tok/s | ~891 ms ~898 ms ~991 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 59 tok/s 42 tok/s 24 tok/s | ~891 ms ~898 ms ~991 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 284 tok/s 243 tok/s 184 tok/s | ~85 ms ~86 ms ~87 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 284 tok/s 243 tok/s 184 tok/s | ~85 ms ~86 ms ~87 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 279 tok/s 256 tok/s 213 tok/s | ~54 ms ~54 ms ~55 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 279 tok/s 256 tok/s 213 tok/s | ~54 ms ~54 ms ~55 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 238 tok/s 186 tok/s 125 tok/s | ~170 ms ~171 ms ~174 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 227 tok/s 179 tok/s 122 tok/s | ~170 ms ~171 ms ~174 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 192 tok/s 143 tok/s 92 tok/s | ~246 ms ~248 ms ~252 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 192 tok/s 143 tok/s 92 tok/s | ~246 ms ~248 ms ~252 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 180 tok/s 132 tok/s 83 tok/s | ~277 ms ~280 ms ~284 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 175 tok/s 128 tok/s 80 tok/s | ~292 ms ~294 ms ~299 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 141 tok/s 94 tok/s 54 tok/s | ~463 ms ~466 ms ~474 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 138 tok/s 117 tok/s 83 tok/s | ~217 ms ~219 ms ~222 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 138 tok/s 117 tok/s 83 tok/s | ~217 ms ~219 ms ~222 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 138 tok/s 117 tok/s 83 tok/s | ~217 ms ~219 ms ~222 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 135 tok/s 91 tok/s 53 tok/s | ~463 ms ~467 ms ~475 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 53 tok/s | ~463 ms ~467 ms ~475 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 133 tok/s 90 tok/s 53 tok/s | ~463 ms ~467 ms ~475 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 | 111 tok/s | ~613 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 | 111 tok/s | ~613 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 111 tok/s 73 tok/s 41 tok/s | ~604 ms ~609 ms ~619 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 101 tok/s | ~697 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 101 tok/s | ~697 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 94 tok/s 74 tok/s 48 tok/s | ~425 ms ~428 ms ~435 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 89 tok/s 69 tok/s 45 tok/s | ~467 ms ~470 ms ~478 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 89 tok/s 69 tok/s 45 tok/s | ~467 ms ~470 ms ~478 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 78 tok/s 47 tok/s 24 tok/s | ~1.0s ~1.0s ~1.1s | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 74 tok/s 46 tok/s 22 tok/s | ~1.0s ~1.0s ~1.2s | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 74 tok/s 46 tok/s 22 tok/s | ~1.0s ~1.0s ~1.2s | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 72 tok/s 44 tok/s 22 tok/s | ~1.1s ~1.1s ~1.3s | |
- | LensVLM 9B | 9B | INT4 Q8 | 61 tok/s 37 tok/s | ~1.3s ~1.3s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 | 61 tok/s 37 tok/s | ~1.3s ~1.3s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 59 tok/s 42 tok/s 24 tok/s | ~891 ms ~898 ms ~991 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 59 tok/s 42 tok/s 24 tok/s | ~891 ms ~898 ms ~991 ms | |
- | Falcon3-10B | 10B | INT4 Q8 | 56 tok/s 33 tok/s | ~1.5s ~1.5s | |
- | Falcon2-11B | 11B | INT4 Q8 | 54 tok/s 31 tok/s | ~1.6s ~1.6s | |
- | Hunyuan Lite | 7B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.0s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 | 53 tok/s | ~599 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.0s | |
- | SEA-LION-7B | 7.1B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.1s | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 | 53 tok/s 37 tok/s | ~1.0s ~1.1s | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 | 48 tok/s 34 tok/s | ~1.2s ~1.2s | |
- | Typhoon-2-8B | 8B | INT4 Q8 | 48 tok/s 34 tok/s | ~1.2s ~1.2s | |
- | GLM-4-9B | 9B | INT4 Q8 | 44 tok/s 29 tok/s | ~1.3s ~1.4s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 | 44 tok/s 29 tok/s | ~1.3s ~1.4s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 | 44 tok/s 29 tok/s | ~1.3s ~1.4s | |
- | Yi-9B | 9B | INT4 Q8 | 44 tok/s 29 tok/s | ~1.3s ~1.4s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 | 43 tok/s 28 tok/s | ~1.3s ~1.5s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 | 43 tok/s 28 tok/s | ~1.3s ~1.5s | |
- | GreenMind-14B-R1 | 14B | INT4 | 31 tok/s | ~2.0s | |
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 A4000 (16GB) 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 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。