硬體 / VRAM
Datacenter · 80 GB
Large MoE models and high-throughput servers, still bounded by quantization and cache.
H100 / H200 / MI300X class80 GB
01 / 實際上限
Ling-3.0-flash
清單中排最前的模型可能是勉強適配或需要卸載的。日常使用建議選第一個標為 餘量充足 的結果，並保持上下文適中。
02 / 預設推論服務
TensorRT-LLM
Maximum NVIDIA throughput after engine tuning. NVIDIA-only and sensitive to supported GPU, CUDA, model architecture and engine-build settings.
開啟指南03 / 模型範圍
代表性開放權重模型
inclusionAI
Ling-3.0-flash
English124BQ4 estimated budget
- 估算記憶體
- ~74.4 GB
- 上下文
- Check selected runtime and checkpoint
Meta
Llama 3.1 70B
70BGGUF Q4
- 估算記憶體
- ~46 GB
- 上下文
- 128K
Nex AGI
Nex-N2.5-mini
English35BQ4 estimated budget
- 估算記憶體
- ~21 GB
- 上下文
- 262,144 (config max_position_embeddings)
Alibaba Qwen
Qwen3.6 35B-A3B
35B3B active · Q4 / NVFP4 MoE
- 估算記憶體
- ~25 GB
- 上下文
- 262K native
Alibaba Qwen
Qwen3 32B
32BGGUF Q4
- 估算記憶體
- ~24.5 GB
- 上下文
- 32K+
Alibaba Qwen
Qwen3 30B-A3B
30B3B active · GGUF Q4 MoE
- 估算記憶體
- ~22.5 GB
- 上下文
- 32K+
注意
適配以估算的總模型記憶體為準。驅動支援、KV 快取、多模態投影層、併發以及桌面應用都可能進一步壓縮可用餘量。目前適配：Ling-3.0-flash (勉強適配), Llama 3.1 70B (餘量充足), Nex-N2.5-mini (餘量充足), Qwen3.6 35B-A3B (餘量充足), Qwen3 32B (餘量充足), Qwen3 30B-A3B (餘量充足)。