B200 192GB SXM 能跑 Llama-3.1-70B-Instruct 吗？

NVIDIA · 192 GB HBM3e · 带宽 8000 GB/s · Meta · 70.6B · 模型上下文最长 128K

能——B200 192GB SXM（192 GB HBM3e）可以运行 Llama-3.1-70B-Instruct。Q4、默认 8K 上下文下约需 53.83 GB VRAM（权重 38.83 GB + KV cache 14.0 GB + 运行时开销 1 GB），在 192 GB 之内。 Q4/8K 解码：≈ 520.0 tok/s（实测，batch 1）。 FP16（约需 156.2 GB）也装得下，≈ 20.0 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	46.83 GB	是	520.0 实测
Q4	8K 默认	53.83 GB	是	520.0 实测
Q4	32K	95.83 GB	是	520.0 实测
FP16	4K	149.2 GB	是	20.0 估算
FP16	8K 默认	156.2 GB	是	20.0 估算
FP16	32K	198.2 GB	否	53.6 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	38.83 GB	14.0 GB	1 GB	53.83 GB	192 GB
FP16	141.2 GB	14.0 GB	1 GB	156.2 GB	192 GB

其他能跑 Llama-3.1-70B-Instruct 的 GPU

• MI300X 192GB — ≈48.2 tok/s Q4 估算
• H200 141GB SXM5 — ≈43.6 tok/s Q4 估算
• H100 80GB SXM5 — ≈30.5 tok/s Q4 估算
• Gaudi 3 128GB — ≈29.8 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — ≈14.1 tok/s Q4 实测
• MacBook Pro M4 Max 128GB — ≈12.0 tok/s Q4 实测
• MacBook Pro M3 Max 128GB — ≈9.0 tok/s Q4 实测
• A100 80GB SXM4 — ≈8.7 tok/s Q4 实测

Llama-3.1-70B-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 →