Qwen3-VL 8B Instruct
8BAlibaba 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。
262K
最大上下文
4
量化变体
GGUF Q8_0
最佳质量
+0.3%
困惑度增幅(最佳档位)
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 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 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 | 6.2 GB | 3.0% | 140 tok/s | 社区 | |
| GGUF | Q5_K_M | 5.68 | 7.2 GB | 1.5% | 126 tok/s | 估算 | |
| GGUF | Q8_0 | 8.5 | 10.4 GB | 0.3% | 108 tok/s | 估算 | |
| AWQ | INT4 | 4 | 5.2 GB | 4.2% | 165 tok/s | 估算 |
每个体积对应哪个文件
文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。
- GGUF Q4_K_M按计算器这一档位的通用比特率估算,没有核对具体文件。
- GGUF Q5_K_M按计算器这一档位的通用比特率估算,没有核对具体文件。
- GGUF Q8_0按计算器这一档位的通用比特率估算,没有核对具体文件。
- AWQ INT4按计算器这一档位的通用比特率估算,没有核对具体文件。
相关社区实测
以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。
我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。
在 llamaPerf 浏览更多实测 ↗Qwen3-VL 30B-A3B Instruct
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_K_M 在 4K 下约需 19.9 GB,24 GB 显卡可以从容运行;Q3_K_M 降到 15.1 GB。视觉编码器是另外一个 1.1 GB 的文件。
Qwen3.5 9B
Alibaba Qwen3.5
Qwen 最新的小尺寸模型,8 到 16 GB 显卡的常见选择。32 层中只有 8 层保留会增长的 KV 缓存,所以在普通硬件上也能用长上下文。Q4_K_M 在 4K 下约需 6.6 GB,16K 下约 7.0 GB,8 GB 显卡就能从容运行;32K(7.5 GB)在 8 GB 卡上偏紧,10 GB 起才宽裕;用满 256K 窗口约需 15.2 GB。Q8_0 约需 10.4 GB,12 GB 起就很宽裕。Qwen3.5 的小尺寸默认关闭推理模式;它通过单独的视觉编码器读取图像。体积按已公布的 GGUF 文件大小计算,各档位的质量损失未公布。
MiMo-V2.6-Distill-Qwen-9B
Xiaomi MiMo
小米把 MiMo-V2.6 蒸馏到 Qwen3.5 9B 架构上的版本,9 月发布,通过单独的视觉编码器读取图像。32 层中只有 8 层保留会增长的缓存。Q4_K_M 在 4K 下约需 6.3 GB,16K 下约需 6.7 GB,8 GB 显卡可以从容运行;32K(7.2 GB)在 8 GB 卡上偏紧,10 GB 起才宽裕;128K 下约需 10.5 GB,12 GB 显卡可以从容运行。Q8_0 在 4K 下约需 10.1 GB,12 GB 起很宽裕。视觉编码器另需约 0.9 GB。体积按 bartowski 发布的 GGUF 文件大小计算,各档位的质量损失未公布。
Ministral 3 14B Instruct
Mistral Ministral 3
Apache 2.0 许可的 Ministral 3 较大尺寸指令模型,支持文本和图像输入。语言骨干有 40 层全注意力、8 个 128 维 KV 头,256K 上下文。参数量按官方配置重建语言模型计算,独立视觉编码器作为额外文件记录,不混入语言权重。长上下文和读图的运行内存均高于 GGUF 文件本身。各档位没有公布困惑度损失。
在本地运行 Qwen3-VL 8B Instruct
在 Q4_K_M、4K 上下文下,Qwen3-VL 8B Instruct 约需 6.2 GB —— 权重 5.1 GB、KV 缓存 0.56 GB、激活缓冲 0.6 GB。本索引中能宽裕跑它的最小规格是 8 GB 显卡 —— 共 21 张,RTX 4060 起步;105 张卡中有 98 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 3.94 GB,总量来到 10.5 GB。权重不随上下文变化,只有 KV 缓存会,而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 256K;在 Q4_K_M 下把它全部撑满约需 45 GB。
该下载哪个版本
本索引收录了它的 2 种格式 —— GGUF、AWQ —— 共 4 个档位。 其中 Q8_0 的公开困惑度损失最低,为 0.3%。列出的最快档位是 AWQ INT4,在 RTX 4090、batch 1 下约 165 tok/s —— 这是估算值,不是本站硬件上的实测。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。
常见问题
- Qwen3-VL 8B Instruct 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 6.2 GB,到 32K 时约 10.5 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
- Qwen3-VL 8B Instruct 能在 8GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 6.2 GB,在 RTX 4060 上还剩 1.8 GB,本索引中 21 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格;105 张中有 98 张可以。
- Qwen3-VL 8B Instruct 该用哪个量化档位?
- Q8_0 的公开质量损失最低(0.3%),而 Q4_K_M 是多数人使用的档位。索引中的 4 个档位是 Q4_K_M、Q5_K_M、Q8_0、AWQ INT4。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。
此模型的显卡组合
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-22 RSS → /zh/feed.xml