跳转到主要内容

RTX 4090 能跑 Qwen2.5 7B Instruct 吗?

从容运行:GGUF Q6_K 在 4K 上下文、批量 1 时需要 6.8 GB,余量 17.2 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_M1555.4

各量化在 4K 下的显存

量化总计 GB结论权重依据
GGUF Q4_K_M5.1从容运行估算权重
GGUF Q6_K6.8从容运行估算权重
AWQ INT44.2从容运行估算权重
EXL2 4.65bpw4.9从容运行估算权重

上下文容量 · GGUF Q6_K

上下文总计 GB结论
4K6.8从容运行
16K7.5从容运行
32K8.4从容运行
128K14.2从容运行

生成速度

实测: 155 tok/s, GGUF Q4_K_M, llama.cpp

GGUF Q6_K: 113–149 tok/s · 校准推算区间

其他模型与显卡组合