H100 80GB SXM5 能跑 Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 吗？

NVIDIA · 80 GB HBM3 · 带宽 3350 GB/s · NVIDIA · 30.0B（激活 3.0B） · MoE · 模型上下文最长 256K

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 Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 的 GPU

• B200 192GB SXM — ≈1697.0 tok/s Q4 估算
• MI300X 192GB — ≈1124.2 tok/s Q4 估算
• H200 141GB SXM5 — ≈1018.2 tok/s Q4 估算
• Gaudi 3 128GB — ≈694.9 tok/s Q4 估算
• A100 80GB SXM4 — ≈432.5 tok/s Q4 估算
• RTX 5090 32GB — ≈380.1 tok/s Q4 估算
• RTX 4090 24GB — ≈213.8 tok/s Q4 估算
• RTX 4090D 24GB (China) — ≈213.8 tok/s Q4 估算

Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 的全部 GPU →

H100 80GB SXM5 可跑的其他模型

• MiniCPM5-1B — ≈1973.9 tok/s Q4 估算
• Qwen3.5-2B — ≈1065.9 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈926.9 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈710.6 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈710.6 tok/s Q4 估算
• GLM-4.7-Flash — ≈710.6 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈710.6 tok/s Q4 估算
• Qwen3-Coder-Next — ≈710.6 tok/s Q4 估算

H100 80GB SXM5 上的全部模型 →