Clover-35B-A3B-Preview
35B-A3BDiffuSpace Clover
DiffuSpace 基于 Qwen3.6-35B-A3B 骨干构建的 35B 块扩散模型，Apache 2.0，128K 上下文：256 个专家、每个 token 用 8 个，因此每个 token 只读取约 3B 参数。40 层中只有 10 层的缓存随上下文增长，其余 30 层是 Gated DeltaNet 线性注意力，每个 token 只增加约 20 KB，是常规架构的四分之一。llama.cpp 自 11 月 2 日起支持它，按从左到右方式生成并带自推测解码；块扩散本身要走 DiffuSpace 自己的 SGLang 推理路径。体积取自 bartowski 发布的 GGUF：Q4_K_M 在 4K 下约需 23.4 GB，24 GB 显卡偏紧；Q3_K_M 在 4K 下约需 18.2 GB，24 GB 显卡可以舒适运行，跑满 128K 也仍然舒适。各档位都没有公布质量损失。
131K
最大上下文
5
量化变体
GGUF Q8_0
最佳质量
—
困惑度增幅（最佳档位）
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过：推算所得，或本站未核实的数字 · 社区 = 公开报告
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q3_K_M | 4 | 18.2 GB | — | — | 估算 | |
| GGUF | Q4_0 | 4.6 | 20.9 GB | — | — | 估算 | |
| GGUF | Q4_K_M | 5.15 | 23.4 GB | — | — | 估算 | |
| GGUF | Q5_K_M | 6.22 | 28.3 GB | — | — | 估算 | |
| GGUF | Q8_0 | 8.51 | 38.6 GB | — | — | 估算 |
每个体积对应哪个文件
文件大小不等于显存：显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存，再加 10% 的激活缓冲。两边的单位是有意不同的：文件大小用十进制 GB，和 Hugging Face 列表一致；显存一栏用 GiB（1024³ 字节），并在权重上多算 2%，所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影（mmproj），它是另外下载的文件，两个数字都不含它。
- GGUF Q3_K_Mbartowski/Diffuspace_Clover-35B-A3B-Preview-GGUF · Diffuspace_Clover-35B-A3B-Preview-Q3_K_M.gguf · 17.34 GB (17,344,330,656 字节) · 2026-11-13 核对
- GGUF Q4_0bartowski/Diffuspace_Clover-35B-A3B-Preview-GGUF · Diffuspace_Clover-35B-A3B-Preview-Q4_0.gguf · 19.94 GB (19,942,611,872 字节) · 2026-11-13 核对
- GGUF Q4_K_Mbartowski/Diffuspace_Clover-35B-A3B-Preview-GGUF · Diffuspace_Clover-35B-A3B-Preview-Q4_K_M.gguf · 22.32 GB (22,318,513,056 字节) · 2026-11-13 核对
- GGUF Q5_K_Mbartowski/Diffuspace_Clover-35B-A3B-Preview-GGUF · Diffuspace_Clover-35B-A3B-Preview-Q5_K_M.gguf · 26.98 GB (26,984,676,256 字节) · 2026-11-13 核对
- GGUF Q8_0bartowski/Diffuspace_Clover-35B-A3B-Preview-GGUF · Diffuspace_Clover-35B-A3B-Preview-Q8_0.gguf · 36.91 GB (36,914,690,976 字节) · 2026-11-13 核对
Qwen3-VL 30B-A3B Instruct
Alibaba Qwen3-VL
多模态 MoE,激活参数仅约 3B,因此在苹果统一内存上依然跟手,CPU 卸载的表现也远好于稠密 30B。Q4_K_M 在 4K 下约需 19.9 GB，24 GB 显卡可以从容运行；Q3_K_M 降到 15.1 GB。视觉编码器是另外一个 1.1 GB 的文件。
Seed-OSS 36B Instruct
ByteDance Seed
稠密 36B，原生 512K 上下文。Q4_K_M 文件是 21.8 GB，加上缓存和运行缓冲，4K 下约需 23.9 GB：在 24 GB 显卡上偏紧，那里宽裕的选择是 Q3_K_M（19.5 GB），或者用 2×16GB 拆分。AWQ 版本是 21.1 GB，并不是名字暗示的 4 比特体积。真正的开销是上下文：512K 的 KV cache 单独就约 128GB,所以要先规划上下文再考虑权重。
Qwen3.8 27B
Alibaba Qwen3.8
混合注意力：64 层中只有 16 层保留 KV 缓存，所以这个 27B 模型在 262K 上下文下的缓存约 16GB，而不是 64GB。按常规架构计算会把缓存高估四倍 —— 这里的估算只计入那 16 层，并与 8K、32K、262K 三个已公开实测值吻合。各档位的质量损失官方未公布。
GLM-4.7-Flash
Zhipu GLM-4.7
智谱 GLM-4.7 系列的轻量款：总参数 30B，每 token 激活约 3B，MIT 许可。注意力采用 MLA，每层每个 token 只缓存一个 576 维的压缩向量，而不是完整的 K 和 V——所以 32K 上下文下缓存不到 2 GB，常规 47 层模型需要的是它的好几倍。llama.cpp 按 DeepSeek-2 类模型运行它。下方体积按 bartowski 的 GGUF 文件计算，各档位的质量损失未公布。
在本地运行 Clover-35B-A3B-Preview
在 Q4_K_M、4K 上下文下，Clover-35B-A3B-Preview 约需 23.4 GB —— 权重 21.2 GB、KV 缓存 0.08 GB、激活缓冲 2.1 GB。本索引中能宽裕跑它的最小规格是 32 GB 显卡 —— 共 4 张，RTX 5090 起步；78 张卡中有 26 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 0.55 GB，总量来到 24.0 GB。这比参数量给人的印象要温和：40 层中只有 10 层的 KV 缓存会随上下文增长，因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 128K；在 Q4_K_M 下把它全部撑满约需 26 GB。
该下载哪个版本
本索引只收录了 Clover-35B-A3B-Preview 的 GGUF 格式，共 5 个档位（Q3_K_M、Q4_0、Q4_K_M、Q5_K_M、Q8_0）。 该模型没有公开的逐档困惑度数据，因此质量一列留空而不是填估算值 —— 在同一个模型内部，位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 是 ExLlamaV2 —— 仅限 CUDA，而且已经归档，适合本机使用而不适合提供服务。
常见问题
- Clover-35B-A3B-Preview 需要多少显存？
- 在 Q4_K_M、4K 上下文、batch 1 下约 23.4 GB，到 32K 时约 24.0 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。
- Clover-35B-A3B-Preview 能在 32GB 显卡上跑吗？
- 可以 —— 在 Q4_K_M、4K 上下文下约需 23.4 GB，在 RTX 5090 上还剩 8.6 GB，本索引中 4 张 32 GB 显卡都一样。这是能宽裕跑它的最小规格；78 张中有 26 张可以。
- Clover-35B-A3B-Preview 该用哪个量化档位？
- 该模型没有公开的质量对比数据，所以按体积来选：Q4_K_M 是多数人使用的档位，bits-per-weight 越高越忠实。索引中的 5 个档位是 Q3_K_M、Q4_0、Q4_K_M、Q5_K_M、Q8_0。 注意这是 MoE 模型 —— 尽管每个 token 只激活一部分参数，全部参数仍需驻留显存，因此显存开销按总参数量算，而不是激活参数量。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算，显存从小到大排列。「从容」指估算占用不超过显存的 88%。
怎么把它跑起来
针对本模型及同类硬件的部署指南。
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 2026-11-13 RSS → /zh/feed.xml