Gaudi 3 128GB 能跑 DeepSeek-V4-Flash 吗？

Intel · 128 GB HBM2e · 带宽 3276 GB/s · DeepSeek · 158.1B（激活 13B） · MoE · 模型上下文最长 1000K

能——Gaudi 3 128GB（128 GB HBM2e）可以运行 DeepSeek-V4-Flash。Q4、默认 8K 上下文下约需 90.55 GB VRAM（权重 86.95 GB + KV cache 2.6 GB + 运行时开销 1 GB），在 128 GB 之内。 Q4/8K 解码：≈ 160.4 tok/s（估算，batch 1）。 FP16 约需 319.8 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	89.25 GB	是	160.4 估算
Q4	8K 默认	90.55 GB	是	160.4 估算
Q4	32K	98.36 GB	是	160.4 估算
FP16	4K	318.5 GB	否	20.4 估算
FP16	8K 默认	319.8 GB	否	20.2 估算
FP16	32K	327.6 GB	否	19.2 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	86.95 GB	2.6 GB	1 GB	90.55 GB	128 GB
FP16	316.2 GB	2.6 GB	1 GB	319.8 GB	128 GB

其他能跑 DeepSeek-V4-Flash 的 GPU

• B200 192GB SXM — ≈391.6 tok/s Q4 估算
• MI300X 192GB — ≈259.4 tok/s Q4 估算
• H200 141GB SXM5 — ≈235.0 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — ≈40.1 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — ≈39.2 tok/s Q4 估算
• MacBook Pro M4 Max 128GB — ≈26.7 tok/s Q4 估算
• MacBook Pro M3 Max 128GB — ≈19.6 tok/s Q4 估算

DeepSeek-V4-Flash 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 →