Qwen3-Next-80B-A3B-Instruct 显存需求 47.29 GiB

显存需求 47.29 GiB。Qwen3-Next-80B-A3B-Instruct Q4_K_M 在 8,192 token 下的估计是 45.96 GiB–47.29 GiB。仓库 Qwen/Qwen3-Next-80B-A3B-Instruct。文件 48,410,988,384 字节。未选显卡，所以只是本地大模型的需求，不是能否装下。

具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_K_M (Qwen)：8,192 个 token 下约 45.96 GiB–47.29 GiB，1 条序列，FP16 KV，llama.cpp。

当前结果是估算，不是对应环境的实测。未核实有文件依据的权重

能跑的设备

Qwen3-Next-80B-A3B-Instruct 能在 Apple M2 Max 上运行吗？

发布方与出处

提供方Qwen
Hugging FaceQwen/Qwen3-Next-80B-A3B-Instruct
Revision9c7f2fbe84465e40164a94cc16cd30b6999b0cc7
总参数量81,324,862,720
激活参数量3,000,000,000
层数48
查询头16
KV 头2 (gqa)
头维度256
已记录的上下文能力262,144
完整度complete · full

该 MoE 记录总参数 81,324,862,720、激活参数 3,000,000,000。激活参数的计算量不会当成权重驻留内存。完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。

这次估算里的内存分层

文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。

Weight artifact: 45.09 GiB (48,410,988,384 bytes)
Raw KV cache: 0.75 GiB (805,306,368 bytes)
Engine extras / workspace: 0.13 GiB–1.45 GiB
Total estimated demand: 45.96 GiB–47.29 GiB

计入的文件

量化	计入的文件	字节	运行引擎	证据
BF16 safetensors bf16 计算器: BF16 safetensors	41 个 safetensors 分片选定字节合计：162,649,725,440 (151.48 GiB / 162.65 GB) 第一个分片：model-00001-of-00041.safetensors 最后一个分片：model-00041-of-00041.safetensors 查看全部 41 个分片文件 `model-00001-of-00041.safetensors` `model-00002-of-00041.safetensors` `model-00003-of-00041.safetensors` `model-00004-of-00041.safetensors` `model-00005-of-00041.safetensors` `model-00006-of-00041.safetensors` `model-00007-of-00041.safetensors` `model-00008-of-00041.safetensors` `model-00009-of-00041.safetensors` `model-00010-of-00041.safetensors` `model-00011-of-00041.safetensors` `model-00012-of-00041.safetensors` `model-00013-of-00041.safetensors` `model-00014-of-00041.safetensors` `model-00015-of-00041.safetensors` `model-00016-of-00041.safetensors` `model-00017-of-00041.safetensors` `model-00018-of-00041.safetensors` `model-00019-of-00041.safetensors` `model-00020-of-00041.safetensors` `model-00021-of-00041.safetensors` `model-00022-of-00041.safetensors` `model-00023-of-00041.safetensors` `model-00024-of-00041.safetensors` `model-00025-of-00041.safetensors` `model-00026-of-00041.safetensors` `model-00027-of-00041.safetensors` `model-00028-of-00041.safetensors` `model-00029-of-00041.safetensors` `model-00030-of-00041.safetensors` `model-00031-of-00041.safetensors` `model-00032-of-00041.safetensors` `model-00033-of-00041.safetensors` `model-00034-of-00041.safetensors` `model-00035-of-00041.safetensors` `model-00036-of-00041.safetensors` `model-00037-of-00041.safetensors` `model-00038-of-00041.safetensors` `model-00039-of-00041.safetensors` `model-00040-of-00041.safetensors` `model-00041-of-00041.safetensors`	162,649,725,440 (151.48 GiB / 162.65 GB)	`vllm, sglang, unspecified`	`file-metadata`
GGUF Q4_K_M (Qwen) gguf-q4_k_m 计算器: GGUF Q4_K_M (Qwen)	Qwen3-Next-80B-A3B-Instruct-Q4_K_M.gguf	48,410,988,384 (45.09 GiB / 48.41 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Qwen) gguf-q5_k_m 计算器: GGUF Q5_K_M (Qwen)	Qwen3-Next-80B-A3B-Instruct-Q5_K_M.gguf	56,710,369,120 (52.82 GiB / 56.71 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Qwen) gguf-q6_k 计算器: GGUF Q6_K (Qwen)	Qwen3-Next-80B-A3B-Instruct-Q6_K.gguf	65,528,461,152 (61.03 GiB / 65.53 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (Qwen) gguf-q8_0 计算器: GGUF Q8_0 (Qwen)	Qwen3-Next-80B-A3B-Instruct-Q8_0.gguf	84,812,052,320 (78.99 GiB / 84.81 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	没有已发布的文件	40,662,431,360 (理论行不是可下载的发布文件。)	—	theoretical

按量化与上下文查看显存

并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。

量化	2,048 tokens	8,192 tokens	32,768 tokens
BF16 safetensors	152.29 GiB–154.17 GiB	152.85 GiB–154.75 GiB	155.10 GiB–157.07 GiB
GGUF Q4_K_M (Qwen)	45.40 GiB–46.68 GiB	45.96 GiB–47.29 GiB	48.21 GiB–49.70 GiB
GGUF Q5_K_M (Qwen)	53.13 GiB–54.56 GiB	53.69 GiB–55.17 GiB	55.94 GiB–57.58 GiB
GGUF Q6_K (Qwen)	61.34 GiB–62.94 GiB	61.90 GiB–63.55 GiB	64.15 GiB–65.96 GiB
GGUF Q8_0 (Qwen)	79.30 GiB–81.26 GiB	79.86 GiB–81.87 GiB	82.11 GiB–84.28 GiB
INT4 theoretical 理论行不是可下载的发布文件。	38.18 GiB–49.57 GiB	38.74 GiB–50.27 GiB	40.99 GiB–53.04 GiB

KV Cache（原始数据）

标准 GQA/MHA 的原始 KV 为 2 × 层数 × kvHeads × headDim × token 数 × 序列数 × 每元素字节。本页使用 KV heads（2），不是 query heads（16）。

8,192 tokens, 1 sequence, FP16: 805,306,368 bytes (0.7500 GiB)
32,768 tokens: 3,221,225,472 bytes (3.00 GiB)

用这个模型打开计算器

数据来源

来源
来源 — revision 9c7f2fbe84465e40164a94cc16cd30b6999b0cc7
来源 — metadata.total_size=162649725440
来源

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。
该 MoE 记录总参数 81324862720、激活参数 3000000000。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：Qwen3-Next-80B-A3B-Instruct-Q4_K_M.gguf。
存在 MTP / draft 权重；未启用时不计入。
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）。

计算器

正在加载已发布的目录快照…

先选择模型，再检查设备。

模型

显示历史模型

量化

设备类型

硬件

工作负载

上下文长度主要影响 KV Cache 内存。

高级设置

运行时

这次估算使用的引擎和 KV 缓存类型。

运行引擎KV Cache 精度循环 / 卷积状态精度包含理论估算（专家）筛选无匹配时允许替代

工作负载

开销场景，以及是否计入预填充工作区。

运行时开销情景计入更重的预填充工作区

拓扑

模型如何切到多张设备上。各设备的显存不会相加。

部署方式组内切分设备数量

副本数是高级部署选项。数量指节点或 GPU，不是副本。

副本组数每个副本的设备数

预算

系统保留和安全余量。数字框清空时保留上一次的值。

系统 / 显示预留

GiB（2^30 字节）

预算已经扣除系统占用额外安全余量

自定义每参数有效 bit 数显示单位

自定义模型

导入配置或手填结构。点导入之前不会去扫描仓库。

导入本地 config.json

仅在浏览器中解析，不会上传文件。

公开的 Hugging Face 仓库Revision

只允许 huggingface.co 上的 config.json，不使用 token，不读取私有仓库。

总参数量激活参数量层数查询头KV 头头维度

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。