Arc B570 10GB 能跑 Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 吗？

Intel · 10 GB GDDR6 · 带宽 380 GB/s · TheCluster · 19.8B（激活 19.8B） · MoE · 模型上下文最长 NoneK

ONEAPI

不能——Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 在 Q4 下即使 4K 上下文也约需 13.87 GB，超出 Arc B570 10GB 的 10 GB GDDR6。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 13.8 tok/s（估算，batch 1）。 FP16 约需 44.56 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	13.87 GB	否	18.0 ± 估算
Q4	8K 默认	15.85 GB	否	13.8 ± 估算
Q4	32K	27.73 GB	否	4.5 ± 估算
FP16	4K	42.58 GB	否	—
FP16	8K 默认	44.56 GB	否	—
FP16	32K	56.44 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	Arc B570 10GB VRAM
Q4	10.89 GB	3.96 GB	1 GB	15.85 GB	10 GB
FP16	39.6 GB	3.96 GB	1 GB	44.56 GB	10 GB

其他能跑 Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 的 GPU

• B200 192GB SXM — ≈257.1 tok/s Q4 估算
• MI300X 192GB — ≈170.3 tok/s Q4 估算
• H200 141GB SXM5 — ≈154.3 tok/s Q4 估算
• H100 80GB SXM5 — ≈107.7 tok/s Q4 估算
• Gaudi 3 128GB — ≈105.3 tok/s Q4 估算
• A100 80GB SXM4 — ≈65.5 tok/s Q4 估算
• RTX 5090 32GB — ≈57.6 tok/s Q4 估算
• RTX 4090 24GB — ≈32.4 tok/s Q4 估算

Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 的全部 GPU →

Arc B570 10GB 可跑的其他模型

• MiniCPM5-1B — ≈223.9 tok/s Q4 估算
• Qwen3.5-2B — ≈120.9 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈105.1 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈75.6 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈60.5 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈60.5 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈60.5 tok/s Q4 估算
• gemma-4-E2B-it — ≈47.4 tok/s Q4 估算

Arc B570 10GB 上的全部模型 →