H100 能跑 Qwen3-32B 吗？
勉强可以 Qwen3-32B 用 BF16、32,768 token 上下文需要 69.65 GiB–71.76 GiB。H100 大约有 78 GiB 可用。
17 个文件，合计 65.5 GB。
这些数字是根据模型 config 和文件大小算出的估算，不是实测。 计算方法
怎么调整
- 把上下文缩短到约 25,600 token 就能稳妥放下。
- 改用 GGUF Q8_0 (Qwen)：同样上下文约 42.1 GiB（余量充足）。
- 关掉其他占用显存的程序；如果机器不接显示器，可以调低保留量。
这张卡上的其他文件
| 量化 | 文件大小 | 引擎 | 合计 | 适配 |
|---|---|---|---|---|
| BF16 safetensors 当前配置 | 65.5 GB | vllm | 69.6 GiB–71.8 GiB | 勉强放得下 |
| GGUF Q8_0 (Qwen) | 34.8 GB | llama.cpp | 40.6 GiB–42.1 GiB | 余量充足 |
| GGUF Q6_K (Qwen) | 26.9 GB | llama.cpp | 33.2 GiB–34.6 GiB | 余量充足 |
| GGUF Q5_K_M (Qwen) | 23.2 GB | llama.cpp | 29.7 GiB–31.1 GiB | 余量充足 |
| GGUF Q4_K_M | 19.8 GB | llama.cpp | 26.5 GiB–27.8 GiB | 余量充足 |
同样的上下文（32,768 token），一次一个对话，每个文件用它常用的引擎。
固定配置
- 模型Qwen3-32B
- 硬件NVIDIA H100 80GB SXM
- 量化BF16 safetensors
- 上下文长度（缓存 token 数）32,768
- 运行引擎
vllm - 同时运行的序列数1
- KV Cache 精度fp16
技术标识与分享数据
- 模型
qwen3-32b - 硬件
nvidia-h100-80gb-sxm - 量化
bf16 - 这套配置的分享代码
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4zLTMyYiIsImhhcmR3YXJlSWQiOiJudmlkaWEtaDEwMC04MGdiLXN4bSIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImJmMTYiLCJjb250ZXh0VG9rZW5zIjozMjc2OCwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoidmxsbSIsImt2VHlwZSI6ImZwMTYifX0
这个数字怎么算出来的
合计 = 权重文件 + KV 缓存 + 运行时缓冲区。范围覆盖所示引擎的低到高运行时开销。
- 权重（文件）
- 61.02 GiB (65,524,246,528 bytes)
- KV 缓存
- 8.00 GiB (8,589,934,592 bytes)
- 运行时缓冲区
- 0.63 GiB–2.74 GiB
- 合计
- 69.65 GiB–71.76 GiB
- 可用内存
- 78.00 GiB
- 系统 / 显示保留
- 2.00 GiB
- 剩余
- 6.24 GiB–8.35 GiB
最高估算 71.76 GiB，可用 78.00 GiB
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。
- 上下文在原生窗口 40960 token 以内。
- 完整驻留权重估算使用总参数量，MoE 里没激活的专家也算在内。
- 权重只算选中的文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不等于峰值显存。运行时布局、分配器对齐和 KV 缓存都要另算。
- 权重字节来自 17 个已发布的 safetensors 分片，合计 65524246528 字节。
- 上下文长度指每条序列缓存的 token 数（输入加上预留的输出）。
- 多条并发序列共用一份权重，权重不会按序列数翻倍。
- KV 缓存精度和权重量化是两回事，除非你手动改。
相关页面
数据来源
计算器
组合页锁定路由中的模型和设备。要改身份请到主计算器自定义；分享会保留那次选择。
正在加载已发布的目录快照…
选一个模型，看看它需要多少显存。
选一个模型，看看它需要多少显存。