RTX 3080 10GB 能跑 Llama-3.1-70B-Instruct 吗？

NVIDIA · 10 GB GDDR6X · 带宽 760 GB/s · Meta · 70.6B · 模型上下文最长 128K

不能——Llama-3.1-70B-Instruct 在 Q4 下即使 4K 上下文也约需 46.83 GB，超出 RTX 3080 10GB 的 10 GB GDDR6X。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 156.2 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	46.83 GB	否	—
Q4	8K 默认	53.83 GB	否	—
Q4	32K	95.83 GB	否	—
FP16	4K	149.2 GB	否	—
FP16	8K 默认	156.2 GB	否	—
FP16	32K	198.2 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 3080 10GB VRAM
Q4	38.83 GB	14.0 GB	1 GB	53.83 GB	10 GB
FP16	141.2 GB	14.0 GB	1 GB	156.2 GB	10 GB

其他能跑 Llama-3.1-70B-Instruct 的 GPU

• B200 192GB SXM — ≈520.0 tok/s Q4 实测
• MI300X 192GB — ≈48.2 tok/s Q4 估算
• H200 141GB SXM5 — ≈43.6 tok/s Q4 估算
• H100 80GB SXM5 — ≈30.5 tok/s Q4 估算
• Gaudi 3 128GB — ≈29.8 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — ≈14.1 tok/s Q4 实测
• MacBook Pro M4 Max 128GB — ≈12.0 tok/s Q4 实测
• MacBook Pro M3 Max 128GB — ≈9.0 tok/s Q4 实测

Llama-3.1-70B-Instruct 的全部 GPU →

RTX 3080 10GB 可跑的其他模型

• MiniCPM5-1B — ≈447.8 tok/s Q4 估算
• Qwen3.5-2B — ≈241.8 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈151.1 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈120.9 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈120.9 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈120.9 tok/s Q4 估算
• gemma-4-E2B-it — ≈94.8 tok/s Q4 估算
• Llama-3.1-8B-Instruct — ≈70.0 tok/s Q4 实测

RTX 3080 10GB 上的全部模型 →