跳转到主要内容

RTX 4090 能跑 Qwen2.5 32B Instruct 吗?

从容运行:EXL2 3.5bpw 在 4K 上下文、批量 1 时需要 16.0 GB,余量 8.0 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_M4422

各量化在 4K 下的显存

量化总计 GB结论权重依据
GGUF Q3_K_M17.5从容运行估算权重
GGUF Q4_K_M21.7显存紧张估算权重
EXL2 3.5bpw16.0从容运行估算权重

上下文容量 · EXL2 3.5bpw

上下文总计 GB结论
4K16.0从容运行
16K19.3从容运行
32K23.7显存紧张
128K50.1无法容纳

生成速度

实测: 44 tok/s, GGUF Q4_K_M, llama.cpp

EXL2 3.5bpw: 75 tok/s · 带宽上限(非实测)

其他模型与显卡组合