Qwen3-VL-8B-Instruct 在 RTX 4070 上：余量充足（2026年9月）
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。 本页使用的配置：GGUF Q4_K_M (Qwen)，8,192 个缓存 token，1 个序列，引擎 llama.cpp。 状态：预计放得下。软件：未核实。.
预计放得下未核实当前结果是估算，不是对应环境的实测。
本页固定配置
- 模型Qwen3-VL-8B-Instruct
- 硬件GeForce RTX 4070 12GB (desktop, GDDR6X)
- 量化GGUF Q4_K_M (Qwen)
- 上下文长度（缓存 token 数）8,192
- 运行引擎
llama.cpp - 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-vl-8b-instruct - 硬件
nvidia-geforce-rtx-4070-12gb-desktop - 量化
gguf-q4_k_m - 分享这个配置的片段
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4zLXZsLThiLWluc3RydWN0IiwiaGFyZHdhcmVJZCI6Im52aWRpYS1nZWZvcmNlLXJ0eC00MDcwLTEyZ2ItZGVza3RvcCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImdndWYtcTRfa19tIiwiY29udGV4dFRva2VucyI6ODE5MiwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoibGxhbWEuY3BwIiwia3ZUeXBlIjoiZnAxNiJ9fQ
内存构成
- Weight artifact
- 4.68 GiB (5,027,784,800 bytes)
- Raw KV cache
- 1.13 GiB (1,207,959,552 bytes)
- Engine extras / workspace
- 0.13 GiB–0.67 GiB
- Total estimated demand
- 5.93 GiB–6.48 GiB
- Net calculator budget
- 11.00 GiB
- OS / display reserve
- 1.00 GiB
- Remaining vs net budget
- 4.52 GiB–5.07 GiB
高估算 6.48 GiB，对照净预算 11.00 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。
这台设备上的其他已发布文件
同一模型、同一设备、同样的上下文（8,192 个 token，1 个序列，FP16 KV）。每一行是一组已发布的权重文件及其常用引擎，按内存从大到小排列。
| 量化 | 运行引擎 | 估算内存 | 适配 |
|---|---|---|---|
| BF16 safetensors | vllm | 18.08 GiB–19.99 GiB | 放不下 |
| GGUF Q8_0 (Qwen) | llama.cpp | 9.36 GiB–9.98 GiB | 勉强放得下 |
| GGUF Q6_K (Unsloth) | llama.cpp | 7.51 GiB–8.09 GiB | 放得下 |
| GGUF Q5_K_M (Unsloth) | llama.cpp | 6.70 GiB–7.26 GiB | 余量充足 |
| GGUF Q4_K_M (Qwen) 本页配置 | llama.cpp | 5.93 GiB–6.48 GiB | 余量充足 |
影响结论的假设
- 请求的上下文在记录的原生窗口 262144 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 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：Qwen3VL-8B-Instruct-Q4_K_M.gguf。
- 该 checkpoint 含视觉组件。纯文本推理不计入视觉编码器或 projector。
- 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。
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…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。