趋近智
NVIDIA RTX A5000 (24GB)
NVIDIA RTX A5000 (24GB) 配备 24 GB 专用显存与 768 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
24 GB
可用显存上限
24 GB
显存带宽
768 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
230W
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 A5000 (24GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX A5000 (24GB) 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 |
|---|---|---|---|---|---|---|
#36 | Qwen 3.8 27B | 27B | INT4 | 38 tok/s | ~2.7s | |
#80 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 130 tok/s | ~569 ms | |
#86 | Qwen3.5-27B | 27B | INT4 | 38 tok/s | ~2.7s | |
#93 | Sarvam-30B | 32B (2.4B active) | INT4 | 169 tok/s | ~367 ms | |
#99 | Muse Glimmer 30B | 30B | INT4 | 35 tok/s | ~2.9s | |
#102 | Phi-4 Reasoning Plus | 14B | INT4 Q8 | 49 tok/s 34 tok/s | ~1.4s ~1.4s | |
#103 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 147 tok/s | ~464 ms | |
#105 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 4 tok/s 2 tok/s | ~29.0s ~31.7s | |
#110 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 145 tok/s | ~480 ms | |
#120 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 147 tok/s | ~464 ms | |
#121 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 93 tok/s 59 tok/s 31 tok/s | ~908 ms ~915 ms ~1.0s | |
#127 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 111 tok/s 72 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
#130 | Gemma 4 12B | 11.95B | INT4 Q8 | 56 tok/s 39 tok/s | ~1.2s ~1.2s | |
#136 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 157 tok/s 109 tok/s 65 tok/s | ~420 ms ~423 ms ~429 ms | |
#139 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 76 tok/s | ~456 ms | |
#140 | GLM-4V | 9B | INT4 Q8 FP16 | 69 tok/s 49 tok/s 28 tok/s | ~912 ms ~918 ms ~1.0s | |
#145 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 33 tok/s 20 tok/s 10 tok/s | ~2.9s ~2.9s ~2.9s | |
#150 | Qwen3-30B-A3B | 30B (3B active) | INT4 | 157 tok/s | ~419 ms | |
#152 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 102 tok/s 65 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#157 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 102 tok/s 65 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#161 | GLM-4 | 32B | INT4 | 23 tok/s | ~3.7s | |
#163 | Gemma 3 27B | 27B | INT4 | 38 tok/s | ~2.7s | |
#164 | Phi-4 | 14B | INT4 Q8 | 66 tok/s 40 tok/s | ~1.4s ~1.4s | |
#166 | Qwen3-32B | 32B | INT4 | 33 tok/s | ~3.1s | |
#168 | DeepSeek-R1 32B | 32B | INT4 | 34 tok/s | ~3.1s | |
#169 | Gemma 4 31B | 30.7B | INT4 | 34 tok/s | ~3.0s | |
#171 | Magistral Small | 24B | INT4 | 32 tok/s | ~2.4s | |
#172 | Qwen2.5-32B | 32B | INT4 | 33 tok/s | ~3.1s | |
#174 | OLMo 3.1 32B Instruct | 32B | INT4 | 23 tok/s | ~3.7s | |
#176 | DeepSeek-R1 14B | 14B | INT4 Q8 | 68 tok/s 41 tok/s | ~1.4s ~1.4s | |
#177 | Ministral 3 14B | 14B | INT4 Q8 | 49 tok/s 34 tok/s | ~1.4s ~1.4s | |
#180 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 75 tok/s 46 tok/s 22 tok/s | ~1.2s ~1.2s ~1.4s | |
#184 | Mistral-Small-2501 | 24B | INT4 | 42 tok/s | ~2.4s | |
#185 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 76 tok/s 54 tok/s 31 tok/s | ~813 ms ~818 ms ~901 ms | |
#186 | Gemma 2 27B | 27B | INT4 | 38 tok/s | ~2.7s | |
#187 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 83 tok/s 60 tok/s 36 tok/s | ~715 ms ~720 ms ~731 ms | |
#188 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~226 ms ~227 ms ~230 ms | |
#189 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~226 ms ~227 ms ~230 ms | |
#190 | Qwen2.5-14B | 14B | INT4 Q8 | 66 tok/s 40 tok/s | ~1.4s ~1.4s | |
#191 | OLMo 3.1 32B Think | 32B | INT4 | 23 tok/s | ~3.7s | |
#193 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 136 tok/s 92 tok/s 54 tok/s | ~527 ms ~531 ms ~538 ms | |
#195 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 131 tok/s 105 tok/s 71 tok/s | ~325 ms ~327 ms ~331 ms | |
#196 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 104 tok/s 66 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#198 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 93 tok/s 59 tok/s 31 tok/s | ~908 ms ~915 ms ~1.0s | |
#199 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 | 157 tok/s | ~419 ms | |
#201 | Qwen3-4B | 4B | INT4 Q8 FP16 | 157 tok/s 109 tok/s 65 tok/s | ~420 ms ~423 ms ~429 ms | |
#202 | Qwen3-14B | 14B | INT4 Q8 | 66 tok/s 40 tok/s | ~1.4s ~1.4s | |
#203 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 157 tok/s 109 tok/s 65 tok/s | ~420 ms ~423 ms ~429 ms | |
#204 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 114 tok/s 73 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
#205 | OLMo 3 32B Base | 32B | INT4 | 23 tok/s | ~3.7s | |
#206 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 287 tok/s 248 tok/s 190 tok/s | ~96 ms ~96 ms ~98 ms | |
#207 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 102 tok/s 65 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#207 | Qwen3-8B | 8B | INT4 Q8 FP16 | 102 tok/s 65 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#210 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 65 tok/s | ~464 ms | |
#211 | Command R | 35B | INT4 | 22 tok/s | ~4.0s | |
#212 | Llama 3 8B | 8B | INT4 Q8 FP16 | 102 tok/s 65 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#213 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 229 tok/s 181 tok/s 123 tok/s | ~194 ms ~195 ms ~198 ms | |
#214 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 317 tok/s 301 tok/s 268 tok/s | ~36 ms ~36 ms ~37 ms | |
#216 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 305 tok/s 271 tok/s 217 tok/s | ~73 ms ~73 ms ~74 ms | |
#217 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 161 tok/s 113 tok/s 68 tok/s | ~400 ms ~403 ms ~409 ms | |
#218 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 111 tok/s 72 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
#220 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 102 tok/s 65 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
#221 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 240 tok/s 192 tok/s 133 tok/s | ~173 ms ~174 ms ~176 ms | |
#222 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
#223 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 161 tok/s 113 tok/s 68 tok/s | ~400 ms ~403 ms ~409 ms | |
#224 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 131 tok/s 114 tok/s 84 tok/s | ~244 ms ~245 ms ~248 ms | |
#225 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 215 tok/s 166 tok/s 110 tok/s | ~226 ms ~227 ms ~230 ms | |
#226 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 108 tok/s 70 tok/s 39 tok/s | ~741 ms ~746 ms ~757 ms | |
#227 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 270 tok/s 228 tok/s 169 tok/s | ~120 ms ~121 ms ~122 ms | |
#228 | Phi-3-medium | 14B | INT4 Q8 | 66 tok/s 40 tok/s | ~1.4s ~1.4s | |
#229 | Yi-34B | 34B | INT4 | 22 tok/s | ~3.9s | |
#230 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 83 tok/s 60 tok/s 36 tok/s | ~715 ms ~720 ms ~731 ms | |
#231 | Qwen2-7B | 7B | INT4 Q8 FP16 | 111 tok/s 72 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
#232 | Phi-3-small | 7B | INT4 Q8 FP16 | 111 tok/s 72 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
#233 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 108 tok/s 70 tok/s 39 tok/s | ~741 ms ~746 ms ~757 ms | |
#234 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 270 tok/s 228 tok/s 169 tok/s | ~120 ms ~121 ms ~122 ms | |
#236 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 83 tok/s 60 tok/s 36 tok/s | ~715 ms ~720 ms ~731 ms | |
#237 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 226 tok/s 172 tok/s 112 tok/s | ~226 ms ~227 ms ~230 ms | |
#238 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 91 tok/s 67 tok/s 41 tok/s | ~618 ms ~622 ms ~631 ms | |
#239 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 91 tok/s 67 tok/s 41 tok/s | ~618 ms ~622 ms ~631 ms | |
#240 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 91 tok/s 67 tok/s 41 tok/s | ~618 ms ~622 ms ~631 ms | |
未上榜模型（按推理速度排序） | ||||||
- | DINOv3 ViT-L/16 | 0.3B | INT4 Q8 FP16 | 335 tok/s 313 tok/s 274 tok/s | ~39 ms ~40 ms ~40 ms | |
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 315 tok/s 284 tok/s 233 tok/s | ~61 ms ~62 ms ~62 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 315 tok/s 284 tok/s 233 tok/s | ~61 ms ~62 ms ~62 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 311 tok/s 294 tok/s 259 tok/s | ~40 ms ~40 ms ~40 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 311 tok/s 294 tok/s 259 tok/s | ~40 ms ~40 ms ~40 ms | |
- | Liquid D1-Omni 600M | 0.6B | INT4 Q8 FP16 | 305 tok/s 271 tok/s 217 tok/s | ~73 ms ~73 ms ~74 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 280 tok/s 234 tok/s 172 tok/s | ~120 ms ~121 ms ~122 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 270 tok/s 228 tok/s 169 tok/s | ~120 ms ~121 ms ~122 ms | |
- | MiniCPM-V 4.7 1B | 1B | INT4 Q8 FP16 | 270 tok/s 228 tok/s 169 tok/s | ~120 ms ~121 ms ~122 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 240 tok/s 192 tok/s 133 tok/s | ~173 ms ~174 ms ~176 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 240 tok/s 192 tok/s 133 tok/s | ~173 ms ~174 ms ~176 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 229 tok/s 181 tok/s 123 tok/s | ~194 ms ~195 ms ~198 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 225 tok/s 176 tok/s 118 tok/s | ~204 ms ~205 ms ~208 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 190 tok/s 136 tok/s 84 tok/s | ~322 ms ~324 ms ~329 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 187 tok/s 163 tok/s 123 tok/s | ~152 ms ~153 ms ~155 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 187 tok/s 163 tok/s 123 tok/s | ~152 ms ~153 ms ~155 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 187 tok/s 163 tok/s 123 tok/s | ~152 ms ~153 ms ~155 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 184 tok/s 133 tok/s 82 tok/s | ~322 ms ~325 ms ~329 ms | |
- | Mellum 2.1 12B A2.5B Thinking | 12B (2.5B active) | INT4 Q8 FP16 | 184 tok/s 140 tok/s 82 tok/s | ~315 ms ~317 ms ~375 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
- | LFM2-VL 3B | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
- | Liquid D1 3B | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
- | Liquid D1-VL 3B | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
- | Liquid LFM2-VL 3B D1 | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 182 tok/s 132 tok/s 82 tok/s | ~323 ms ~325 ms ~329 ms | |
- | LFM2.5 24B A2B | 24B (2.5B active) | INT4 | 172 tok/s | ~356 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 163 tok/s 110 tok/s | ~393 ms ~463 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 163 tok/s 110 tok/s | ~393 ms ~463 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 158 tok/s | ~413 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 158 tok/s | ~413 ms | |
- | FrogNano 4B | 4B | INT4 Q8 FP16 | 157 tok/s 109 tok/s 65 tok/s | ~420 ms ~423 ms ~429 ms | |
- | Hy-Memory 30B A3B | 30B (3B active) | INT4 | 157 tok/s | ~419 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 | 157 tok/s | ~419 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 157 tok/s 109 tok/s 65 tok/s | ~420 ms ~423 ms ~429 ms | |
- | EmbeddingGemma 2 | 2B | INT4 Q8 FP16 | 152 tok/s 128 tok/s 92 tok/s | ~228 ms ~229 ms ~232 ms | |
- | MiniCPM-V 4.7 35B A3B | 35B (3B active) | INT4 | 147 tok/s | ~464 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 136 tok/s 111 tok/s 76 tok/s | ~296 ms ~297 ms ~301 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 131 tok/s 105 tok/s 71 tok/s | ~325 ms ~327 ms ~331 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 131 tok/s 105 tok/s 71 tok/s | ~325 ms ~327 ms ~331 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 116 tok/s 74 tok/s 41 tok/s | ~712 ms ~717 ms ~727 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 111 tok/s 72 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 111 tok/s 72 tok/s 41 tok/s | ~712 ms ~717 ms ~728 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 108 tok/s 70 tok/s 39 tok/s | ~741 ms ~746 ms ~757 ms | |
- | Youtu Parsing Omni | 8B | INT4 Q8 FP16 | 104 tok/s 66 tok/s 36 tok/s | ~809 ms ~815 ms ~827 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 93 tok/s 59 tok/s 31 tok/s | ~908 ms ~915 ms ~1.0s | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 93 tok/s 59 tok/s 31 tok/s | ~908 ms ~915 ms ~1.0s | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 91 tok/s 67 tok/s 41 tok/s | ~618 ms ~622 ms ~631 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 91 tok/s 67 tok/s 41 tok/s | ~618 ms ~622 ms ~631 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 86 tok/s 54 tok/s 28 tok/s | ~1.0s ~1.0s ~1.1s | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 86 tok/s 72 tok/s | ~383 ms ~417 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 83 tok/s 51 tok/s 25 tok/s | ~1.1s ~1.1s ~1.3s | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 83 tok/s 60 tok/s 36 tok/s | ~715 ms ~720 ms ~731 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 83 tok/s 60 tok/s 36 tok/s | ~715 ms ~720 ms ~731 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 82 tok/s 59 tok/s 36 tok/s | ~725 ms ~730 ms ~740 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 82 tok/s 59 tok/s 36 tok/s | ~725 ms ~730 ms ~740 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 76 tok/s 54 tok/s 31 tok/s | ~813 ms ~818 ms ~901 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 76 tok/s 54 tok/s 31 tok/s | ~813 ms ~818 ms ~901 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 69 tok/s 49 tok/s 28 tok/s | ~912 ms ~918 ms ~1.0s | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 69 tok/s 49 tok/s 28 tok/s | ~912 ms ~918 ms ~1.0s | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 69 tok/s 49 tok/s 28 tok/s | ~912 ms ~918 ms ~1.0s | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 69 tok/s 49 tok/s 28 tok/s | ~912 ms ~918 ms ~1.0s | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 68 tok/s 48 tok/s 27 tok/s | ~931 ms ~937 ms ~1.0s | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 68 tok/s 48 tok/s 27 tok/s | ~931 ms ~937 ms ~1.0s | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 | 49 tok/s 34 tok/s | ~1.4s ~1.4s | |
- | AREX-2 | 27B | INT4 | 38 tok/s | ~2.7s | |
- | PPLX Decider v1 27B | 27B | INT4 | 38 tok/s | ~2.7s | |
- | PPLX Decider v1.1 27B | 27B | INT4 | 38 tok/s | ~2.7s | |
- | Agnes 3.0 Flash | 33B | INT4 | 32 tok/s | ~3.2s | |
- | Falcon-40B | 40B | INT4 | 26 tok/s | ~4.2s | |
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
8B 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 A5000 (24GB) 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 768 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 171 tok/s，70B Q4 模型预估生成速度约 20 tok/s。