跳转到主要内容

RTX 4090 能跑 DeepSeek-R1-Distill-Llama-8B 吗?

从容运行:GGUF Q5_K_M 在 4K 上下文、批量 1 时需要 6.5 GB,余量 17.5 GB。

文本输入、FP16 KV 缓存、单卡。统一内存采用显卡指南中的可用容量;负余量可能需要主机卸载。速度来源的设置可能与此 4K 估算不同。

实测记录

框架量化tok/s实测显存(GB)
llama.cppGGUF Q4_K_M1455.6

各量化在 4K 下的显存

量化总计 GB结论权重依据
GGUF Q4_K_M5.6从容运行估算权重
GGUF Q5_K_M6.5从容运行估算权重
EXL2 4.65bpw5.4从容运行估算权重
AWQ INT44.8从容运行估算权重

上下文容量 · GGUF Q5_K_M

上下文总计 GB结论
4K6.5从容运行
16K8.2从容运行
32K10.4从容运行
128K23.6显存紧张

生成速度

实测: 145 tok/s, GGUF Q4_K_M, llama.cpp

GGUF Q5_K_M: 124–164 tok/s · 校准推算区间

其他模型与显卡组合