Arc B580 12GB 能跑 Qwen3.5-2B 吗？

Intel · 12 GB GDDR6 · 带宽 456 GB/s · Alibaba · 2.0B · 模型上下文最长 256K

能——Arc B580 12GB（12 GB GDDR6）可以运行 Qwen3.5-2B。Q4、默认 8K 上下文下约需 2.5 GB VRAM（权重 1.1 GB + KV cache 0.4 GB + 运行时开销 1 GB），在 12 GB 之内。 Q4/8K 解码：≈ 145.1 tok/s（估算，batch 1）。 FP16（约需 5.4 GB）也装得下，≈ 39.9 tok/s（估算）。 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	2.3 GB	是	145.1 估算
Q4	8K 默认	2.5 GB	是	145.1 估算
Q4	32K	3.7 GB	是	145.1 估算
FP16	4K	5.2 GB	是	39.9 估算
FP16	8K 默认	5.4 GB	是	39.9 估算
FP16	32K	6.6 GB	是	39.9 估算

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 B580 12GB VRAM
Q4	1.1 GB	0.4 GB	1 GB	2.5 GB	12 GB
FP16	4.0 GB	0.4 GB	1 GB	5.4 GB	12 GB

其他能跑 Qwen3.5-2B 的 GPU

• B200 192GB SXM — ≈2545.5 tok/s Q4 估算
• MI300X 192GB — ≈1686.4 tok/s Q4 估算
• H200 141GB SXM5 — ≈1527.3 tok/s Q4 估算
• H100 80GB SXM5 — ≈1065.9 tok/s Q4 估算
• Gaudi 3 128GB — ≈1042.4 tok/s Q4 估算
• A100 80GB SXM4 — ≈648.8 tok/s Q4 估算
• RTX 5090 32GB — ≈570.2 tok/s Q4 估算
• RTX 4090 24GB — ≈320.7 tok/s Q4 估算

Qwen3.5-2B 的全部 GPU →

Arc B580 12GB 可跑的其他模型

• MiniCPM5-1B — ≈268.7 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈72.5 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈72.5 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈72.5 tok/s Q4 估算
• gemma-4-E2B-it — ≈56.9 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈47.4 tok/s Q4 实测
• Mistral-7B-Instruct-v0.3 — ≈40.3 tok/s Q4 估算
• Qwen2.5-7B-Instruct — ≈38.2 tok/s Q4 估算

Arc B580 12GB 上的全部模型 →