Tesla P40 24G 能跑哪些大模型？
在 24GB、4K 上下文下，索引中 81 个模型有 65 个可从容运行，各自取仍留有余量的最高质量档位。
Tesla P40 24G 的简短答案
24 GB，346 GB/s GDDR5。索引中 81 个模型里有 65 个能在 4K 上下文下从容运行，66 个至少能加载。
- 能装下的最大模型
- Seed-OSS 36B Instruct — AWQ INT4 下约 19.9 GB —— 4K 时仅剩 4.1 GB，上下文再拉长就要动用这点余量。
- 留有余量的选择
- GPT-OSS 20B — MXFP4 下约 11.8 GB —— 占用不到显存的 60%，留下 12.2 GB 给长上下文或第二个进程。
- 速度上限
- Llama 3.1 8B Instruct 在 Q4_K_M 下每个 token 要读取 4.6 GB 权重，因此 346 GB/s 给出的硬上限约为 75 tok/s。这是两个公开数字的算术结果，不是跑分 —— 实际吞吐会低于它。 本站没有在这张卡上的实测记录，因此无法与这个上限对照。
- 你会先撞到的墙
- 瓶颈是带宽，不是容量。本页的模型都装得下，但在 346 GB/s 下，每生成一个 token 这张卡都要把整套权重读一遍 —— 同样是 24 GB 的 RTX 4090 带宽为 1,008 GB/s，搬运这些字节要快 2.9 倍。同一量化档位在这张卡上生成速度会成比例地更慢。
32B · 18
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Seed-OSS 36B Instruct36B | AWQ INT4 | 19.91 GB | +4.1 GB | 55 |
| Command R 35B35B | GPTQ INT4 | 18.97 GB | +5 GB | 55 |
| Yi 1.5 34B Chat34B | AWQ INT4 | 19 GB | +5 GB | 52 |
| Qwen3 32B Instruct32B | AWQ INT4 | 18.22 GB | +5.8 GB | 55 |
| Qwen2.5 32B Instruct32B | EXL2 3.5bpw | 15.96 GB | +8 GB | 68 |
| Qwen2.5-Coder 32B Instruct32B | AWQ INT4 | 18.08 GB | +5.9 GB | 52 |
| DeepSeek-R1-Distill-Qwen-32B32B | EXL2 3.5bpw | 15.96 GB | +8 GB | 65 |
| Qwen3 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | 95 |
| Qwen3-Coder 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | 92 |
| Qwen3-VL 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | 95 |
| Qwen3.8 27B27B | Q4_K_M | 17.47 GB | +6.5 GB | — |
| Gemma 3 27B IT27B | Q4_K_M | 19.49 GB | +4.5 GB | 48 |
| Gemma 2 27B Instruct27B | Q4_K_M | 18.81 GB | +5.2 GB | 48 |
| Mistral Small 24B Instruct24B | EXL2 4.65bpw | 15.26 GB | +8.7 GB | 88 |
| Devstral Small 1.1 24B24B | Q6_K | 20.91 GB | +3.1 GB | 48 |
| Magistral Small 1.2 24B24B | Q6_K | 20.91 GB | +3.1 GB | 47 |
| Codestral 22B22B | Q4_K_M | 15.03 GB | +9 GB | 58 |
| GPT-OSS 20B21B MoE | MXFP4 | 11.81 GB | +12.2 GB | 195 |
14B · 17
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| InternLM2 20B Chat20B | Q5_K_M | 15.59 GB | +8.4 GB | 68 |
| DeepSeek-Coder-V2-Lite Instruct16B | Q8_0 | 18.36 GB | +5.6 GB | 118 |
| DeepSeek-V2-Lite Chat16B | Q4_K_M | 10.87 GB | +13.1 GB | 142 |
| StarCoder2 15B15B | Q4_K_M | 10.19 GB | +13.8 GB | 92 |
| Qwen3 14B Instruct14B | Q5_K_M | 11.65 GB | +12.4 GB | 78 |
| Qwen2.5 14B Instruct14B | Q5_K_M | 11.73 GB | +12.3 GB | 86 |
| DeepSeek-R1-Distill-Qwen-14B14B | EXL2 4.65bpw | 9.75 GB | +14.3 GB | 128 |
| Phi-4 14B14B | Q5_K_M | 11.77 GB | +12.2 GB | 78 |
| Phi-3 Medium 14B Instruct14B | Q6_K | 12.86 GB | +11.1 GB | 88 |
| Mistral Nemo 12B Instruct12B | Q6_K | 11.14 GB | +12.9 GB | 95 |
| Gemma 3 12B IT12B | Q5_K_M | 10.6 GB | +13.4 GB | 92 |
| Stable LM 2 12B Chat12B | Q4_K_M | 8.35 GB | +15.7 GB | 108 |
| Jamba 1.5 Mini12B | Q4_K_M | 8.15 GB | +15.9 GB | 95 |
| Llama 3.2 11B Vision Instruct11B | Q8_0 | 12.9 GB | +11.1 GB | 72 |
| Solar 10.7B Instruct11B | Q4_K_M | 7.6 GB | +16.4 GB | 125 |
| Falcon 3 10B Instruct10B | Q4_K_M | 7.28 GB | +16.7 GB | 118 |
| Gemma 2 9B Instruct9B | Q8_0 | 11.7 GB | +12.3 GB | 108 |
7B · 20
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| GLM-4-9B-Chat9B | Q8_0 | 10.16 GB | +13.8 GB | 105 |
| Qwen3-VL 8B Instruct8B | Q8_0 | 10.39 GB | +13.6 GB | 108 |
| Ministral 3 8B Instruct8B | Q8_0 | 10.02 GB | +14 GB | — |
| Qwen2-VL 7B Instruct7B | Q4_K_M | 5.49 GB | +18.5 GB | 72 |
| Granite 3.1 8B Instruct8B | Q4_K_M | 5.88 GB | +18.1 GB | 142 |
| Qwen3 8B Instruct8B | Q6_K | 7.64 GB | +16.4 GB | 122 |
| Llama 3.1 8B Instruct8B | Q8_0 | 9.47 GB | +14.5 GB | 118 |
| Nous Hermes 3 Llama 3.1 8B8B | EXL2 4.65bpw | 5.43 GB | +18.6 GB | 232 |
| Aya 23 8B8B | Q4_K_M | 5.64 GB | +18.4 GB | 145 |
| OpenChat 3.6 8B8B | EXL2 4.65bpw | 5.43 GB | +18.6 GB | 228 |
| DeepSeek-R1-Distill-Llama-8B8B | Q5_K_M | 6.51 GB | +17.5 GB | 128 |
| InternLM2 7B Chat7B | Q4_K_M | 5.45 GB | +18.6 GB | 148 |
| Qwen2.5 7B Instruct7B | Q6_K | 6.77 GB | +17.2 GB | 132 |
| Qwen2.5-Coder 7B Instruct7B | EXL2 4.65bpw | 4.87 GB | +19.1 GB | 248 |
| WizardLM-2 7B7B | Q4_K_M | 5.07 GB | +18.9 GB | 152 |
| DeepSeek-R1-Distill-Qwen-7B7B | EXL2 4.65bpw | 4.87 GB | +19.1 GB | 210 |
| OLMo 2 7B Instruct7B | Q8_0 | 10.3 GB | +13.7 GB | 125 |
| Mistral 7B Instruct v0.37B | Q6_K | 6.75 GB | +17.3 GB | 135 |
| Zephyr 7B Beta7B | Q6_K | 6.75 GB | +17.3 GB | 132 |
| Gemma 3 4B IT4B | Q8_0 | 5.36 GB | +18.6 GB | 145 |
≤3B · 10
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Qwen3 4B Instruct4B | Q6_K | 4.05 GB | +20 GB | 145 |
| Phi-4 Mini Instruct3.8B | Q8_0 | 4.68 GB | +19.3 GB | 262 |
| Phi-3.5 Mini Instruct3.8B | Q8_0 | 5.89 GB | +18.1 GB | 255 |
| Llama 3.2 3B Instruct3B | Q8_0 | 4.05 GB | +20 GB | 285 |
| Qwen2.5 3B Instruct3B | Q8_0 | 3.67 GB | +20.3 GB | 290 |
| Gemma 2 2B Instruct2B | Q8_0 | 3.34 GB | +20.7 GB | 320 |
| Qwen3 1.7B Instruct1.7B | Q8_0 | 2.39 GB | +21.6 GB | 240 |
| Qwen2.5 1.5B Instruct1.5B | Q8_0 | 1.83 GB | +22.2 GB | 410 |
| Llama 3.2 1B Instruct1B | Q8_0 | 1.51 GB | +22.5 GB | 450 |
| Qwen2.5 0.5B Instruct0.5B | Q8_0 | 0.6 GB | +23.4 GB | 540 |
这个列表是怎么算出来的
每一行取该模型中困惑度损失最低、且预估总量（权重 + 4K 上下文下的 KV 缓存 + 激活缓冲）不超过显存 88% 的量化档位。88% 是计算器的"绿色"阈值，因此这里每一行都留有真实余量，而不是刚好装下。提高上下文长度，列表会变短；计算器可直接验证任意组合。
另有 1 个模型能加载但不留余量（占用至多为显存的 105%）—— 模型库的显卡快捷筛选把它们也计入，因此那里的数字更大。
在这张卡上的实测数据
本索引中没有在 Tesla P40 24G 上跑出的基准记录。本页所有数字都是根据模型架构与量化档位计算得出的估算，不是实测值。
再往上一档
A100 40G（40GB）比这张卡多装下 3 个索引内的模型。 A100 40G →
常见问题
Tesla P40 24G 上最适合本地运行的大模型是哪个？
日常使用推荐 GPT-OSS 20B（MXFP4）—— 在 4K 上下文下约占这张卡 24 GB 中的 11.8 GB，还剩 12.2 GB 给更长的窗口。如果你要的是能加载的最大模型，那是 Seed-OSS 36B Instruct（AWQ INT4，约 19.9 GB，余量 4.1 GB）。这里的「最适合」指的是最契合显存预算 —— 本索引不跑任务基准，无法告诉你哪个模型更聪明。
Tesla P40 24G 能跑 Mixtral 8x7B Instruct 吗？
勉强。它在本索引中最小的构建 AWQ INT4 约需 24.9 GB，而显存为 24 GB —— 在显卡完全空闲时能加载，但没有任何余量留给更长的上下文。上面的清单里没有它，因为那份清单要求模型占用不超过显存的 88%。
Tesla P40 24G 跑 8B 模型的 Q4 量化大概有多少 tok/s？
本索引没有这张卡的实测记录，因此不公布具体数字。可以从规格推出的是：生成一个 token 需要把每个权重都读一遍，Llama 3.1 8B Instruct 在 Q4_K_M 下权重为 4.6 GB，而这张卡的带宽是 346 GB/s —— 上限约 75 tok/s。批大小、上下文长度、运行时以及缓存命中情况都会把实际值压到这个数以下。
本地跑大模型，Tesla P40 24G 还是 RTX 4090？
两张卡装得下的模型相同：24 GB 与 24 GB 在 4K 下分别可从容运行 81 个中的 65 个与 65 个。差别在吞吐 —— 346 GB/s 对 1,008 GB/s，读取权重的速度相差 2.9 倍，而 token 生成正是受此限制。两张卡都装得下的模型，RTX 4090 生成更快。
在 24GB、4K 上下文下，索引中 81 个模型有 65 个可从容运行，各自取仍留有余量的最高质量档位。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-09-14 RSS → /zh/feed.xml