RTX 4090 能跑 Qwen3 8B Instruct 吗?
从容运行:GGUF Q6_K 在 4K 上下文、批量 1 时需要 7.6 GB,余量 16.4 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 | 142 | 5.8 |
各量化在 4K 下的显存
| 量化 | 总计 GB | 结论 | 权重依据 |
|---|---|---|---|
| GGUF Q4_K_M | 5.8 | 从容运行 | 估算权重 |
| GGUF Q6_K | 7.6 | 从容运行 | 估算权重 |
| AWQ INT4 | 4.9 | 从容运行 | 估算权重 |
| EXL2 4.65bpw | 5.6 | 从容运行 | 估算权重 |
上下文容量 · GGUF Q6_K
| 上下文 | 总计 GB | 结论 |
|---|---|---|
| 4K | 7.6 | 从容运行 |
| 16K | 9.5 | 从容运行 |
| 32K | 12.0 | 从容运行 |
生成速度
实测: 142 tok/s, GGUF Q4_K_M, llama.cpp
GGUF Q6_K: 105–139 tok/s · 校准推算区间