B200 192GB SXM 能跑 Qwen2.5-14B-Instruct 吗？

NVIDIA · 192 GB HBM3e · 带宽 8000 GB/s · Alibaba · 14.8B · 模型上下文最长 128K

能——B200 192GB SXM（192 GB HBM3e）可以运行 Qwen2.5-14B-Instruct。Q4、默认 8K 上下文下约需 12.1 GB VRAM（权重 8.14 GB + KV cache 2.96 GB + 运行时开销 1 GB），在 192 GB 之内。 Q4/8K 解码：≈ 344.0 tok/s（估算，batch 1）。 FP16（约需 33.56 GB）也装得下，≈ 94.6 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	10.62 GB	是	344.0 估算
Q4	8K 默认	12.1 GB	是	344.0 估算
Q4	32K	20.98 GB	是	344.0 估算
FP16	4K	32.08 GB	是	94.6 估算
FP16	8K 默认	33.56 GB	是	94.6 估算
FP16	32K	42.44 GB	是	94.6 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	B200 192GB SXM VRAM
Q4	8.14 GB	2.96 GB	1 GB	12.1 GB	192 GB
FP16	29.6 GB	2.96 GB	1 GB	33.56 GB	192 GB

其他能跑 Qwen2.5-14B-Instruct 的 GPU

• MI300X 192GB — ≈227.9 tok/s Q4 估算
• H200 141GB SXM5 — ≈206.4 tok/s Q4 估算
• RTX 5090 32GB — ≈145.0 tok/s Q4 实测
• H100 80GB SXM5 — ≈144.0 tok/s Q4 估算
• Gaudi 3 128GB — ≈140.9 tok/s Q4 估算
• A100 80GB SXM4 — ≈98.02 tok/s Q4 实测
• RTX 4090 24GB — ≈92.0 tok/s Q4 实测
• RX 7900 XTX 24GB — ≈62.0 tok/s Q4 实测

Qwen2.5-14B-Instruct 的全部 GPU →

B200 192GB SXM 可跑的其他模型

• MiniCPM5-1B — ≈4713.8 tok/s Q4 估算
• Qwen3.5-2B — ≈2545.5 tok/s Q4 估算
• GLM-4.7-Flash — ≈1697.0 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈1697.0 tok/s Q4 估算
• Qwen3-Next-80B-A3B-Instruct — ≈1697.0 tok/s Q4 估算
• Qwen3-Coder-Next — ≈1697.0 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈1697.0 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈1697.0 tok/s Q4 估算

B200 192GB SXM 上的全部模型 →