Qwen3.6-35B-A3B-NVFP4 — which GPUs fit

nvidia · 21.6B (active NoneB) · MoE · ctx NoneK · apache-2.0 · HuggingFace

Qwen3.6-35B-A3B-NVFP4 (nvidia) is a 21.6B parameters MoE (21.6B active per token) open-weight model tracked on AI Hashrate. At 8K context we estimate roughly 17.2 GB VRAM for Q4 (weights 11.88 GB + KV 4.32 GB + 1 GB overhead) and 48.52 GB for FP16. About 30 GPUs/accelerators in our catalog fully fit this model at Q4 under that context assumption. Fastest Q4 configs: B200 192GB SXM ≈ 235.7 tok/s (estimated); MI300X 192GB ≈ 156.1 tok/s (estimated); H200 141GB SXM5 ≈ 141.4 tok/s (estimated); H100 80GB SXM5 ≈ 98.7 tok/s (estimated); Gaudi 3 128GB ≈ 96.5 tok/s (estimated). Use the table below for VRAM fit and tok/s per dollar (list MSRP). Estimates follow memory-bandwidth math; measured rows override when present. See methodology for details. Methodology.

107 hardware configs — sorted by tok/s. Default fit context 8K.

Hardware	VRAM	Quant	tok/s	Fits?	tok/s/$
B200 192GB SXM	192	Q4	235.7 est.	Yes	0.006
MI300X 192GB	192	Q4	156.1 est.	Yes	0.01
H200 141GB SXM5	141	Q4	141.4 est.	Yes	0.004
H100 80GB SXM5	80	Q4	98.7 est.	Yes	0.003
Gaudi 3 128GB	128	Q4	96.5 est.	Yes	0.008
RTX 5080 16GB	16	Q4	69.7 est.	No	0.07
V100 16GB PCIe	16	Q4	65.4 est.	No	0.008
RTX 5070 Ti 16GB	16	Q4	65.1 est.	No	0.087
B200 192GB SXM	192	FP16	64.8 est.	Yes	0.002
A100 80GB SXM4	80	Q4	60.1 est.	Yes	0.004
RTX 4080 Super 16GB	16	Q4	53.4 est.	No	0.053
RTX 5090 32GB	32	Q4	52.8 est.	Yes	0.026
RTX 4070 Ti Super 16GB	16	Q4	48.8 est.	No	0.061
RX 9070 16GB	16	Q4	46.5 est.	No	0.085
RX 9070 XT 16GB	16	Q4	46.5 est.	No	0.078
RX 7800 XT 16GB	16	Q4	45.3 est.	No	0.091
MI300X 192GB	192	FP16	42.9 est.	Yes	0.003
RX 7900 GRE 16GB	16	Q4	41.8 est.	No	0.076
Arc A770 16GB	16	Q4	40.7 est.	No	0.117
H200 141GB SXM5	141	FP16	38.9 est.	Yes	0.001
RTX 5060 Ti 16GB	16	Q4	32.5 est.	No	0.076
RTX 4090 24GB	24	Q4	29.7 est.	Yes	0.019
RTX 4090D 24GB (China)	24	Q4	29.7 est.	Yes	0.019
RTX 3090 Ti 24GB	24	Q4	29.7 est.	Yes	0.015
RX 7900 XTX 24GB	24	Q4	28.3 est.	Yes	0.028
RTX 6000 Ada 48GB	48	Q4	28.3 est.	Yes	0.004
RTX 3090 24GB	24	Q4	27.6 est.	Yes	0.018
RTX 5070 12GB	12	Q4	27.4 est.	No	0.05
H100 80GB SXM5	80	FP16	27.1 est.	Yes	0.001
Titan V 12GB	12	Q4	26.6 est.	No	0.009
V100 32GB SXM2	32	Q4	26.5 est.	Yes	0.003
Gaudi 3 128GB	128	FP16	26.5 est.	Yes	0.002
L40S 48GB	48	Q4	25.5 est.	Yes	0.003
Mac Studio M3 Ultra 96GB	96	Q4	24.1 est.	Yes	0.006
Mac Studio M2 Ultra 192GB	192	Q4	23.6 est.	Yes	0.003
RX 7900 XT 20GB	20	Q4	23.6 est.	Yes	0.026
T4 16GB	16	Q4	23.2 est.	No	0.012
RTX 4070 Ti 12GB	12	Q4	22.6 est.	No	0.028
RTX A6000 48GB	48	Q4	22.6 est.	Yes	0.005
Titan Xp 12GB	12	Q4	22.4 est.	No	0.019
RTX 6000 Ada 48GB	48	FP16	21.7 est.	No	0.003
RTX 3080 10GB	10	Q4	21.5 est.	No	0.031
RTX 4060 Ti 16GB	16	Q4	20.9 est.	No	0.042
RX 7600 XT 16GB	16	Q4	20.9 est.	No	0.064
RTX 4070 12GB	12	Q4	20.6 est.	No	0.034
RTX 4070 Super 12GB	12	Q4	20.6 est.	No	0.034
L40S 48GB	48	FP16	19.6 est.	No	0.002
Titan X Pascal 12GB	12	Q4	19.6 est.	No	0.016
Arc B580 12GB	12	Q4	18.6 est.	No	0.075
RTX 5090 32GB	32	FP16	18.0 est.	No	0.009
Arc Pro B70 32GB	32	Q4	17.9 est.	Yes	0.018
RX 7700 XT 12GB	12	Q4	17.6 est.	No	0.039
RTX A6000 48GB	48	FP16	17.4 est.	No	0.004
A100 80GB SXM4	80	FP16	16.5 est.	Yes	0.001
MacBook Pro M4 Max 128GB	128	Q4	16.1 est.	Yes	0.004
RTX 3060 12GB	12	Q4	14.7 est.	No	0.045
DGX Spark (GH200 480GB)	480	Q4	14.7 est.	Yes	0.005
MacBook Pro M1 Max 32GB	32	Q4	11.8 est.	Yes	0.004
MacBook Pro M1 Max 64GB	64	Q4	11.8 est.	Yes	0.003
MacBook Pro M3 Max 128GB	128	Q4	11.8 est.	Yes	0.003
Arc B570 10GB	10	Q4	10.8 est.	No	0.049
V100 32GB SXM2	32	FP16	9.0 est.	No	0.001
RTX 5060 8GB	8	Q4	8.1 est.	No	0.027
RTX 5060 Ti 8GB	8	Q4	8.1 est.	No	0.021
RTX 3070 8GB	8	Q4	8.1 est.	No	0.016
Mac mini M4 Pro 64GB	64	Q4	8.0 est.	Yes	0.004
Mac Studio M3 Ultra 96GB	96	FP16	6.6 est.	Yes	0.002
Mac Studio M2 Ultra 192GB	192	FP16	6.5 est.	Yes	0.001
Ryzen AI Max+ 395 128GB	96	Q4	6.3 est.	Yes	0.003
Ryzen AI Max+ 395 64GB	48	Q4	6.3 est.	Yes	0.004
Ryzen AI Max 390 64GB	48	Q4	6.3 est.	Yes	0.005
Arc Pro B70 32GB	32	FP16	6.1 est.	No	0.006
RTX 4090 24GB	24	FP16	5.7 est.	No	0.004
RTX 4090D 24GB (China)	24	FP16	5.7 est.	No	0.004
RTX 3090 Ti 24GB	24	FP16	5.7 est.	No	0.003
RX 7900 XTX 24GB	24	FP16	5.4 est.	No	0.005
RTX 3090 24GB	24	FP16	5.3 est.	No	0.004
RTX 4060 Ti 8GB	8	Q4	5.2 est.	No	0.013
RX 7600 8GB	8	Q4	5.2 est.	No	0.019
RTX 4060 8GB	8	Q4	4.9 est.	No	0.016
Ryzen AI Max+ 395 64GB	48	FP16	4.9 est.	No	0.003
Ryzen AI Max 390 64GB	48	FP16	4.9 est.	No	0.004
MacBook Pro M4 Max 128GB	128	FP16	4.4 est.	Yes	0.001
DGX Spark (GH200 480GB)	480	FP16	4.1 est.	Yes	0.001
MacBook Pro M1 Max 32GB	32	FP16	4.0 est.	No	0.001
Tesla P4 8GB	8	Q4	3.5 est.	No	0.044
Mac mini M4 32GB	32	Q4	3.5 est.	Yes	0.004
MacBook Pro M1 Max 64GB	64	FP16	3.2 est.	Yes	0.001
MacBook Pro M3 Max 128GB	128	FP16	3.2 est.	Yes	0.001
RX 7900 XT 20GB	20	FP16	3.1 est.	No	0.003
RTX 5080 16GB	16	FP16	2.4 est.	No	0.002
V100 16GB PCIe	16	FP16	2.3 est.	No	0.0
RTX 5070 Ti 16GB	16	FP16	2.2 est.	No	0.003
Mac mini M4 Pro 64GB	64	FP16	2.2 est.	Yes	0.001
RTX 4080 Super 16GB	16	FP16	1.8 est.	No	0.002
RTX 4070 Ti Super 16GB	16	FP16	1.7 est.	No	0.002
Ryzen AI Max+ 395 128GB	96	FP16	1.7 est.	Yes	0.001
RX 7800 XT 16GB	16	FP16	1.6 est.	No	0.003
RX 9070 16GB	16	FP16	1.6 est.	No	0.003
RX 9070 XT 16GB	16	FP16	1.6 est.	No	0.003
RX 7900 GRE 16GB	16	FP16	1.4 est.	No	0.003
Arc A770 16GB	16	FP16	1.4 est.	No	0.004
Mac mini M4 32GB	32	FP16	1.2 est.	No	0.001
RTX 5060 Ti 16GB	16	FP16	1.1 est.	No	0.003
T4 16GB	16	FP16	0.8 est.	No	0.0
RTX 4060 Ti 16GB	16	FP16	0.7 est.	No	0.001
RX 7600 XT 16GB	16	FP16	0.7 est.	No	0.002

Fit checks

RTX 5090 32GB — fits · ≈52.8 tok/s Q4 est.
RTX 3090 Ti 24GB — fits · ≈29.7 tok/s Q4 est.
RTX 4090 24GB — fits · ≈29.7 tok/s Q4 est.
RTX 5080 16GB — does not fit · ≈69.7 tok/s Q4 est.
RTX 6000 Ada 48GB — fits · ≈28.3 tok/s Q4 est.
RX 7900 XTX 24GB — fits · ≈28.3 tok/s Q4 est.
RTX 3090 24GB — fits · ≈27.6 tok/s Q4 est.
RTX 5070 Ti 16GB — does not fit · ≈65.1 tok/s Q4 est.
L40S 48GB — fits · ≈25.5 tok/s Q4 est.
Mac Studio M3 Ultra 96GB — fits · ≈24.1 tok/s Q4 est.
Mac Studio M2 Ultra 192GB — fits · ≈23.6 tok/s Q4 est.
RX 7900 XT 20GB — fits · ≈23.6 tok/s Q4 est.

12 popular retail GPUs; every row in the table above also links its Fits? verdict to the full fit check.