DBRX Instruct
132B MoEDatabricks
⚠ 已过时 · 建议改用 GLM-4.5-Air
本索引现在会建议改用 GLM-4.5-Air——上下文更长（32K → 128K）。下面的数字依然准确，只是这已经不是一个值得从它开始的型号了。 对比两者 →
MoE 旗舰（激活约 36B），需多卡；大规模代码与推理能力强。
33K
最大上下文
2
量化变体
GGUF Q4_K_M
最佳质量
97.5%
精度保留率
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
Qwen3 235B-A22B Instruct
Alibaba Qwen3
Qwen3 旗舰 MoE（激活 22B / 总 235B）。Q4_K_M 约 142GB，对标 DeepSeek-R1 级模型。
DeepSeek-V3
DeepSeek
DeepSeek-V3 前沿 MoE（激活约 37B / 总 671B）。MLA + FP8；Q4 需多节点 GPU 集群。MLA 缓存：用当前 llama.cpp 转换的 GGUF（含 attn_k_b / attn_v_b）在 32K 下约 2 GB，本站估算即按此计算；只有单个 attn_kv_b 张量的旧版转换会缓存完整的 K 和 V，32K 下约 150 GB。
DeepSeek-R1
DeepSeek
基于 V3 MoE 的 DeepSeek-R1 推理模型。前沿级思维链 — 本地 GPU 请用蒸馏版。MLA 缓存：用当前 llama.cpp 转换的 GGUF（含 attn_k_b / attn_v_b）在 32K 下约 2 GB，本站估算即按此计算；只有单个 attn_kv_b 张量的旧版转换会缓存完整的 K 和 V，32K 下约 150 GB。
Mistral Large 3 675B Instruct
Mistral AI
Mistral 3 旗舰 MoE（激活 41B / 总 675B），含视觉编码器。FP8 需 8×H200；GGUF 量化仅供研究集群。注意力为 DeepSeek 式 MLA，实际 KV 缓存比下方按常规结构（未核实）估算的数字小。32K 下相对约 390 GB 权重可忽略；用满 256K 时，请把缓存数字当作上限。
在本地运行 DBRX Instruct
在 Q4_K_M、4K 上下文下，DBRX Instruct 约需 84.3 GB —— 权重 76.0 GB、KV 缓存 0.63 GB、激活缓冲 7.7 GB。本索引中能宽裕跑它的最小规格是 128 GB 显卡 —— 共 4 张，DGX Spark 128G 起步；76 张卡中有 8 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 4.37 GB，总量来到 89.1 GB。权重不随上下文变化，只有 KV 缓存会，而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 32K；在 Q4_K_M 下把它全部撑满约需 89 GB。
该下载哪个版本
本索引只收录了 DBRX Instruct 的 GGUF 格式，共 2 个档位（Q4_K_M、Q3_K_M）。 其中 Q4_K_M 的公开困惑度损失最低，为 2.5%。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
- DBRX Instruct 需要多少显存？
- 在 Q4_K_M、4K 上下文、batch 1 下约 84.3 GB，到 32K 时约 89.1 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。
- DBRX Instruct 能在 128GB 显卡上跑吗？
- 可以 —— 在 Q4_K_M、4K 上下文下约需 84.3 GB，在 DGX Spark 128G 上还剩 43.7 GB，本索引中 4 张 128 GB 显卡都一样。这是能宽裕跑它的最小规格；76 张中有 8 张可以。
- DBRX Instruct 该用哪个量化档位？
- Q4_K_M 的公开质量损失最低（2.5%），而 Q4_K_M 是多数人实际使用的档位。索引中的 2 个档位是 Q4_K_M、Q3_K_M。 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 2026-10-06 RSS → /zh/feed.xml