NVIDIA · 16 GB GDDR6 · 带宽 288 GB/s · NVIDIA · 550.0B（激活 55.0B） · MoE · 模型上下文最长 256K
不能——NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 在 Q4 下即使 4K 上下文也约需 309.0 GB，超出 RTX 4060 Ti 16GB 的 16 GB GDDR6。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 1112.0 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 | 309.0 GB | 否 | — |
| Q4 | 8K 默认 | 314.5 GB | 否 | — |
| Q4 | 32K | 347.5 GB | 否 | — |
| FP16 | 4K | 1106.5 GB | 否 | — |
| FP16 | 8K 默认 | 1112.0 GB | 否 | — |
| FP16 | 32K | 1145.0 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 4060 Ti 16GB VRAM |
|---|
| Q4 | 302.5 GB | 11.0 GB | 1 GB | 314.5 GB | 16 GB |
| FP16 | 1100.0 GB | 11.0 GB | 1 GB | 1112.0 GB | 16 GB |
其他能跑 NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 的 GPU
目录中没有 GPU 能在 Q4/8K 下完整装下 NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4——offload 估算见模型页。 模型页
NVIDIA-Nemotron-3-Ultra-550B-A55B-NVFP4 的全部 GPU →
RTX 4060 Ti 16GB 可跑的其他模型
RTX 4060 Ti 16GB 上的全部模型 →