Nemotron 3.5 Bolt 74B-A9B

在本地运行 Nemotron 3.5 Bolt 74B-A9B

在 IQ2_XXS、4K 上下文下，Nemotron 3.5 Bolt 74B-A9B 约需 23.1 GB —— 权重 20.9 GB、KV 缓存 0.03 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 0.22 GB，总量来到 23.3 GB。这比参数量给人的印象要温和：88 层中只有 8 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 256K；在 IQ2_XXS 下把它全部撑满约需 25 GB。

该下载哪个版本

本索引只收录了 Nemotron 3.5 Bolt 74B-A9B 的 GGUF 格式，共 1 个档位（IQ2_XXS）。 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

Nemotron 3.5 Bolt 74B-A9B 需要多少显存？

在 IQ2_XXS、4K 上下文、batch 1 下约 23.1 GB，到 32K 时约 23.3 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。

Nemotron 3.5 Bolt 74B-A9B 能在 32GB 显卡上跑吗？

可以 —— 在 IQ2_XXS、4K 上下文下约需 23.1 GB，在 RTX 5090 上还剩 8.9 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。

Nemotron 3.5 Bolt 74B-A9B 该用哪个量化档位？

本索引只收录了这个模型的 IQ2_XXS 一个档位，这里没有可选的。 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。