Qwen3-VL 8B Instruct

Alibaba Qwen3-VL

当代视觉语言模型,Q4 约 5.9GB,单张 8–12GB 卡仍可跑。没有 24GB 显卡的人做多模态的现实选择 —— 注意视觉编码器会额外占用显存,下方 KV cache 计算并未包含这部分。

⬇ 4.8M HF 下载量♥ 1044 点赞Qwen/Qwen3-VL-8B-Instruct· 数据更新于 8/14/2026

消费级显卡Mac / 苹果芯片CPU / 轻量VPS

41K

最大上下文

量化变体

GGUF Q8_0

最佳质量

99.7%

精度保留率

量化变体对比

各量化级别的显存、质量损失及 RTX 4090 推理速度

实测 = 本站基准 · 估算 = 公式推算 · 社区 = 公开报告

格式	级别	BPW	显存	PPL 损失	速度	来源	操作
GGUF	Q4_K_M	4.85	5.9 GB	3.0%	140 tok/s	社区	计算 HF
GGUF	Q5_K_M	5.68	6.9 GB	1.5%	126 tok/s	估算	计算 HF
GGUF	Q8_0	8.5	10.0 GB	0.3%	108 tok/s	估算	计算 HF
AWQ	INT4	4	5.3 GB	4.2%	165 tok/s	估算	计算 HF

Alibaba Qwen3-VL

多模态 MoE,激活参数仅约 3B,因此在苹果统一内存上依然跟手,CPU 卸载的表现也远好于稠密 30B。Q4 约 19GB,24GB 显卡可完整放下。

Google Gemma 3

中型 Gemma 3 视觉模型，Q4 可装入 16GB，多语言对话表现优秀。

Alibaba Qwen2.5

性能与资源消耗的最佳平衡点，Q4 量化仅需 16GB 显存。

Mistral AI

Mistral 与 NVIDIA 合作推出，128K 上下文，多语言能力出色。

针对本模型及同类硬件的部署指南。