RTX 3080 10GB 能跑 OLMo-2-1124-13B-Instruct 吗？

NVIDIA · 10 GB GDDR6X · 带宽 760 GB/s · allenai · 13.7B · 模型上下文最长 NoneK

CUDA

部分可以——OLMo-2-1124-13B-Instruct 在 Q4、4K 上下文下能装进 RTX 3080 10GB（10 GB GDDR6X，约需 9.91 GB），但默认 8K 装不下（约需 11.28 GB）。请缩短上下文或部分 offload。 Q4/8K 解码：≈ 78.9 tok/s（估算，batch 1）。 FP16 约需 31.14 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	9.91 GB	是	35.3 ± 估算
Q4	8K 默认	11.28 GB	否	78.9 ± 估算
Q4	32K	19.5 GB	否	26.4 ± 估算
FP16	4K	29.77 GB	否	3.1 ± 估算
FP16	8K 默认	31.14 GB	否	2.8 ± 估算
FP16	32K	39.36 GB	否	1.8 ± 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	RTX 3080 10GB VRAM
Q4	7.54 GB	2.74 GB	1 GB	11.28 GB	10 GB
FP16	27.4 GB	2.74 GB	1 GB	31.14 GB	10 GB

其他能跑 OLMo-2-1124-13B-Instruct 的 GPU

• B200 192GB SXM — ≈371.6 tok/s Q4 估算
• MI300X 192GB — ≈246.2 tok/s Q4 估算
• H200 141GB SXM5 — ≈223.0 tok/s Q4 估算
• H100 80GB SXM5 — ≈155.6 tok/s Q4 估算
• Gaudi 3 128GB — ≈152.2 tok/s Q4 估算
• A100 80GB SXM4 — ≈94.7 tok/s Q4 估算
• RTX 5090 32GB — ≈83.2 tok/s Q4 估算
• RTX 4090 24GB — ≈46.8 tok/s Q4 估算

OLMo-2-1124-13B-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
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈210.3 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
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈120.9 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈120.9 tok/s Q4 估算
• gemma-4-E2B-it — ≈94.8 tok/s Q4 估算

RTX 3080 10GB 上的全部模型 →