Gaudi 3 128GB 能跑 Qwen3.6-35B-A3B-NVFP4 吗？

Intel · 128 GB HBM2e · 带宽 3276 GB/s · nvidia · 21.6B（激活 21.6B） · MoE · 模型上下文最长 NoneK

各量化与上下文下的装机与速度

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

其他能跑 Qwen3.6-35B-A3B-NVFP4 的 GPU

• B200 192GB SXM — ≈402.0 tok/s Q4 估算
• MI300X 192GB — ≈251.9 tok/s Q4 估算
• H200 141GB SXM5 — ≈241.2 tok/s Q4 估算
• H100 80GB SXM5 — ≈168.3 tok/s Q4 估算
• A100 80GB SXM4 — ≈102.4 tok/s Q4 估算
• RTX 5090 32GB — ≈90.0 tok/s Q4 估算
• RTX 4090 24GB — ≈50.2 tok/s Q4 估算
• RTX 4090D 24GB (China) — ≈50.2 tok/s Q4 估算

Qwen3.6-35B-A3B-NVFP4 的全部 GPU →

Gaudi 3 128GB 可跑的其他模型

• MiniCPM5-1B — ≈3113.9 tok/s Q4 估算
• Qwen3.5-2B — ≈1681.5 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈1462.2 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈1121.0 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈1121.0 tok/s Q4 估算
• GLM-4.7-Flash — ≈1121.0 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈1121.0 tok/s Q4 估算
• Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 — ≈1121.0 tok/s Q4 估算

Gaudi 3 128GB 上的全部模型 →