DeepSeek-V2-Lite-Chat 能在 GeForce RTX 4090 24GB (desktop) 上运行吗？
针对一种配置的有条件判断。上下文、量化和引擎一变，结论也可能变。
MLA is unsupported for full KV; page explains the gap instead of faking GQA.
本页使用的配置：bf16，4,096 个缓存 token，1 个序列，引擎 vllm。
状态：暂不支持 / 数据不完整。软件：已有文档支持。
权重 29.26 GiB · 原始 KV 0.00 GiB · 合计 29.26 GiB–29.26 GiB。
扣除默认预留后的可用预算 22.00 GiB。
除非附上匹配的运行时驻留实测，本页只是估算。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 该 MoE 记录总参数 15700000000、激活参数 2400000000。激活参数的计算量不会当成权重驻留内存。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：model.safetensors.index.json metadata.total_size。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
- 除非你改 KV 精度，否则 KV 的数据类型与权重量化无关。
估算结果
暂不支持 / 数据不完整
架构或切分方式不在支持范围。权重分项仍可能显示。
估算内存区间: 29.26 GiB – 29.26 GiB
权重使用了选定文件的元数据。运行时额外占用仍是估算。
可用预算: 22.00 GiB · 估算后剩余: -7.26 GiB – -7.26 GiB
软件兼容性
已有文档支持. 内存够用，不代表指定引擎、量化格式和操作系统一定能跑。软件兼容也不代表性能足够好。
- 架构 mla 暂不能完整估算 KV。
- MLA 的 KV 不会套用 GQA 公式。
影响结论的假设
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 该 MoE 记录总参数 15700000000、激活参数 2400000000。激活参数的计算量不会当成权重驻留内存。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：model.safetensors.index.json metadata.total_size。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
- 除非你改 KV 精度，否则 KV 的数据类型与权重量化无关。
- 主机 RAM 不会自动并入独立显卡显存。