A100 80GB SXM4 能跑 MiniMax-M3 吗？

NVIDIA · 80 GB HBM2e · 带宽 2039 GB/s · MiniMax · 428.0B（激活 23.0B） · MoE · 模型上下文最长 1024K

不能——MiniMax-M3 在 Q4 下即使 4K 上下文也约需 238.7 GB，超出 A100 80GB SXM4 的 80 GB HBM2e。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 17.8 tok/s（估算，batch 1）。 FP16 约需 861.6 GB——此卡装不下。 估算来自显存带宽公式；标注「实测」的行覆盖估算。相对排名比绝对 tok/s 更可靠。 方法论.

各量化与上下文下的装机与速度

量化	上下文	所需 VRAM	装得下？	tok/s（解码）
Q4	4K	238.7 GB	否	18.1 估算
Q4	8K 默认	241.0 GB	否	17.8 估算
Q4	32K	254.8 GB	否	15.9 估算
FP16	4K	859.3 GB	否	—
FP16	8K 默认	861.6 GB	否	—
FP16	32K	875.4 GB	否	—

装得下 = 权重 + KV(上下文) + 1 GB 开销 ≤ 95% VRAM。实测锚点与上下文无关；装机结论按上下文分别计算。tok/s 缺失表示模型远超此卡能力（只能纯 offload）。

8K 上下文 VRAM 明细

量化	权重	KV cache	开销	合计所需	A100 80GB SXM4 VRAM
Q4	235.4 GB	4.6 GB	1 GB	241.0 GB	80 GB
FP16	856.0 GB	4.6 GB	1 GB	861.6 GB	80 GB

其他能跑 MiniMax-M3 的 GPU

目录中没有 GPU 能在 Q4/8K 下完整装下 MiniMax-M3——offload 估算见模型页。 模型页

MiniMax-M3 的全部 GPU →

A100 80GB SXM4 可跑的其他模型

• MiniCPM5-1B — ≈1201.4 tok/s Q4 估算
• Qwen3.5-2B — ≈648.8 tok/s Q4 估算
• GLM-4.7-Flash — ≈432.5 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈432.5 tok/s Q4 估算
• Qwen3-Next-80B-A3B-Instruct — ≈432.5 tok/s Q4 估算
• Qwen3-Coder-Next — ≈432.5 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈432.5 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈432.5 tok/s Q4 估算

A100 80GB SXM4 上的全部模型 →