RTX 3070 8GB 能跑 Qwen2.5-14B-Instruct 吗？

NVIDIA · 8 GB GDDR6 · 带宽 448 GB/s · Alibaba · 14.8B · 模型上下文最长 128K

不能——Qwen2.5-14B-Instruct 在 Q4 下即使 4K 上下文也约需 10.62 GB，超出 RTX 3070 8GB 的 8 GB GDDR6。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 24.1 tok/s（估算，batch 1）。 FP16 约需 33.56 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	10.62 GB	否	31.2 估算
Q4	8K 默认	12.1 GB	否	24.1 估算
Q4	32K	20.98 GB	否	8.0 估算
FP16	4K	32.08 GB	否	—
FP16	8K 默认	33.56 GB	否	—
FP16	32K	42.44 GB	否	—

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	RTX 3070 8GB VRAM
Q4	8.14 GB	2.96 GB	1 GB	12.1 GB	8 GB
FP16	29.6 GB	2.96 GB	1 GB	33.56 GB	8 GB

其他能跑 Qwen2.5-14B-Instruct 的 GPU

• B200 192GB SXM — ≈344.0 tok/s Q4 估算
• MI300X 192GB — ≈227.9 tok/s Q4 估算
• H200 141GB SXM5 — ≈206.4 tok/s Q4 估算
• RTX 5090 32GB — ≈145.0 tok/s Q4 实测
• H100 80GB SXM5 — ≈144.0 tok/s Q4 估算
• Gaudi 3 128GB — ≈140.9 tok/s Q4 估算
• A100 80GB SXM4 — ≈98.02 tok/s Q4 实测
• RTX 4090 24GB — ≈92.0 tok/s Q4 实测

Qwen2.5-14B-Instruct 的全部 GPU →

RTX 3070 8GB 可跑的其他模型

• MiniCPM5-1B — ≈264.0 tok/s Q4 估算
• Qwen3.5-2B — ≈142.5 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈89.1 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈71.3 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈71.3 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈71.3 tok/s Q4 估算
• gemma-4-E2B-it — ≈55.9 tok/s Q4 估算
• Mistral-7B-Instruct-v0.3 — ≈39.6 tok/s Q4 估算

RTX 3070 8GB 上的全部模型 →