Gaudi 3 128GB 能跑 Qwen3-235B-A22B-Instruct-2507 吗？

Intel · 128 GB HBM2e · 带宽 3276 GB/s · Alibaba · 235.1B（激活 22B） · MoE · 模型上下文最长 256K

不能——Qwen3-235B-A22B-Instruct-2507 在 Q4 下即使 4K 上下文也约需 132.5 GB，超出 Gaudi 3 128GB 的 128 GB HBM2e。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 244.4 tok/s（估算，batch 1）。 FP16 约需 475.6 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	132.5 GB	否	252.7 估算
Q4	8K 默认	134.71 GB	否	244.4 估算
Q4	32K	147.91 GB	否	202.8 估算
FP16	4K	473.4 GB	否	5.4 估算
FP16	8K 默认	475.6 GB	否	5.4 估算
FP16	32K	488.8 GB	否	5.1 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	Gaudi 3 128GB VRAM
Q4	129.31 GB	4.4 GB	1 GB	134.71 GB	128 GB
FP16	470.2 GB	4.4 GB	1 GB	475.6 GB	128 GB

其他能跑 Qwen3-235B-A22B-Instruct-2507 的 GPU

• B200 192GB SXM — ≈231.4 tok/s Q4 估算
• MI300X 192GB — ≈153.3 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — ≈23.1 tok/s Q4 估算

Qwen3-235B-A22B-Instruct-2507 的全部 GPU →

Gaudi 3 128GB 可跑的其他模型

• MiniCPM5-1B — ≈1930.3 tok/s Q4 估算
• Qwen3.5-2B — ≈1042.4 tok/s Q4 估算
• GLM-4.7-Flash — ≈694.9 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈694.9 tok/s Q4 估算
• Qwen3-Next-80B-A3B-Instruct — ≈694.9 tok/s Q4 估算
• Qwen3-Coder-Next — ≈694.9 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈694.9 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈694.9 tok/s Q4 估算

Gaudi 3 128GB 上的全部模型 →