RTX 4070 12GB 能跑 MiniCPM5-1B 吗？

NVIDIA · 12 GB GDDR6X · 带宽 504 GB/s · OpenBMB · 1.08B · 模型上下文最长 128K

能——RTX 4070 12GB（12 GB GDDR6X）可以运行 MiniCPM5-1B。Q4、默认 8K 上下文下约需 1.81 GB VRAM（权重 0.59 GB + KV cache 0.22 GB + 运行时开销 1 GB），在 12 GB 之内。 Q4/8K 解码：≈ 297.0 tok/s（估算，batch 1）。 FP16（约需 3.38 GB）也装得下，≈ 81.7 tok/s（估算）。 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	1.7 GB	是	297.0 估算
Q4	8K 默认	1.81 GB	是	297.0 估算
Q4	32K	2.46 GB	是	297.0 估算
FP16	4K	3.27 GB	是	81.7 估算
FP16	8K 默认	3.38 GB	是	81.7 估算
FP16	32K	4.02 GB	是	81.7 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 4070 12GB VRAM
Q4	0.59 GB	0.22 GB	1 GB	1.81 GB	12 GB
FP16	2.16 GB	0.22 GB	1 GB	3.38 GB	12 GB

其他能跑 MiniCPM5-1B 的 GPU

• B200 192GB SXM — ≈4713.8 tok/s Q4 估算
• MI300X 192GB — ≈3122.9 tok/s Q4 估算
• H200 141GB SXM5 — ≈2828.3 tok/s Q4 估算
• H100 80GB SXM5 — ≈1973.9 tok/s Q4 估算
• Gaudi 3 128GB — ≈1930.3 tok/s Q4 估算
• A100 80GB SXM4 — ≈1201.4 tok/s Q4 估算
• RTX 5090 32GB — ≈1055.9 tok/s Q4 估算
• RTX 4090 24GB — ≈593.9 tok/s Q4 估算

MiniCPM5-1B 的全部 GPU →

RTX 4070 12GB 可跑的其他模型

• Llama-3.2-3B-Instruct — ≈160.7 tok/s Q4 实测
• Qwen3.5-2B — ≈160.4 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈80.2 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈80.2 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈80.2 tok/s Q4 估算
• gemma-4-E2B-it — ≈62.9 tok/s Q4 估算
• Llama-3.1-8B-Instruct — ≈52.1 tok/s Q4 实测
• Mistral-7B-Instruct-v0.3 — ≈44.5 tok/s Q4 估算

RTX 4070 12GB 上的全部模型 →