跳转到主要内容

RTX 4090 能跑 Qwen3-Coder 30B-A3B Instruct 吗?

从容运行:GGUF Q4_K_M 在 4K 上下文、批量 1 时需要 19.8 GB,余量 4.2 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_M9219.2

各量化在 4K 下的显存

量化总计 GB结论权重依据
GGUF Q4_K_M19.8从容运行已核验文件
GGUF Q5_K_M23.1显存紧张已核验文件
AWQ INT416.4从容运行估算权重

上下文容量 · GGUF Q4_K_M

上下文总计 GB结论
4K19.8从容运行
16K21.0从容运行
32K22.7显存紧张
128K32.6无法容纳

生成速度

实测: 92 tok/s, GGUF Q4_K_M, llama.cpp

GGUF Q4_K_M: 92 tok/s · 实测

其他模型与显卡组合