硬件 / VRAM
Datacenter · 80 GB
Large MoE models and high-throughput servers, still bounded by quantization and cache.
H100 / H200 / MI300X class80 GB
01 / 实际上限
Ling-3.0-flash
列表中排在最前的模型可能是勉强适配或需要卸载的。日常使用建议选第一个标为 余量充足 的结果，并保持上下文适中。
02 / 默认推理服务
TensorRT-LLM
Maximum NVIDIA throughput after engine tuning. NVIDIA-only and sensitive to supported GPU, CUDA, model architecture and engine-build settings.
打开指南03 / 模型范围
代表性开放权重模型
inclusionAI
Ling-3.0-flash
English124BQ4 estimated budget
- 估算内存
- ~74.4 GB
- 上下文
- Check selected runtime and checkpoint
Meta
Llama 3.1 70B
70BGGUF Q4
- 估算内存
- ~46 GB
- 上下文
- 128K
Nex AGI
Nex-N2.5-mini
English35BQ4 estimated budget
- 估算内存
- ~21 GB
- 上下文
- 262,144 (config max_position_embeddings)
Alibaba Qwen
Qwen3.6 35B-A3B
35B3B active · Q4 / NVFP4 MoE
- 估算内存
- ~25 GB
- 上下文
- 262K native
Alibaba Qwen
Qwen3 32B
32BGGUF Q4
- 估算内存
- ~24.5 GB
- 上下文
- 32K+
Alibaba Qwen
Qwen3 30B-A3B
30B3B active · GGUF Q4 MoE
- 估算内存
- ~22.5 GB
- 上下文
- 32K+
注意
适配基于估算的总模型内存。驱动支持、KV 缓存、多模态投影层、并发以及桌面应用都可能进一步压缩可用余量。当前适配：Ling-3.0-flash (勉强适配), Llama 3.1 70B (余量充足), Nex-N2.5-mini (余量充足), Qwen3.6 35B-A3B (余量充足), Qwen3 32B (余量充足), Qwen3 30B-A3B (余量充足)。