RTX 4090 能跑 Qwen3 32B Instruct 吗?
从容运行:AWQ INT4 在 4K 上下文、批量 1 时需要 18.2 GB,余量 5.8 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.cpp | GGUF Q4_K_M | 42 | 22.5 |
各量化在 4K 下的显存
| 量化 | 总计 GB | 结论 | 权重依据 |
|---|---|---|---|
| GGUF Q3_K_M | 17.7 | 从容运行 | 估算权重 |
| GGUF Q4_K_M | 21.9 | 显存紧张 | 估算权重 |
| EXL2 3.5bpw | 16.1 | 从容运行 | 估算权重 |
| AWQ INT4 | 18.2 | 从容运行 | 估算权重 |
上下文容量 · AWQ INT4
| 上下文 | 总计 GB | 结论 |
|---|---|---|
| 4K | 18.2 | 从容运行 |
| 16K | 21.5 | 显存紧张 |
| 32K | 25.9 | 无法容纳 |
生成速度
实测: 42 tok/s, GGUF Q4_K_M, llama.cpp
AWQ INT4: 65 tok/s · 带宽上限(非实测)