RTX 4070 Super 12GB 能跑 Qwen3-8B 吗？

NVIDIA · 12 GB GDDR6X · 带宽 504 GB/s · Alibaba · 8.2B · 模型上下文最长 128K

能——RTX 4070 Super 12GB（12 GB GDDR6X）可以运行 Qwen3-8B。Q4、默认 8K 上下文下约需 7.15 GB VRAM（权重 4.51 GB + KV cache 1.64 GB + 运行时开销 1 GB），在 12 GB 之内。 Q4/8K 解码：≈ 39.1 tok/s（估算，batch 1）。 FP16 约需 19.04 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	6.33 GB	是	39.1 估算
Q4	8K 默认	7.15 GB	是	39.1 估算
Q4	32K	12.07 GB	否	110.5 估算
FP16	4K	18.22 GB	否	13.3 估算
FP16	8K 默认	19.04 GB	否	12.2 估算
FP16	32K	23.96 GB	否	7.7 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 Super 12GB VRAM
Q4	4.51 GB	1.64 GB	1 GB	7.15 GB	12 GB
FP16	16.4 GB	1.64 GB	1 GB	19.04 GB	12 GB

其他能跑 Qwen3-8B 的 GPU

• B200 192GB SXM — ≈620.8 tok/s Q4 估算
• MI300X 192GB — ≈411.3 tok/s Q4 估算
• H200 141GB SXM5 — ≈372.5 tok/s Q4 估算
• H100 80GB SXM5 — ≈260.0 tok/s Q4 估算
• Gaudi 3 128GB — ≈254.2 tok/s Q4 估算
• A100 80GB SXM4 — ≈158.2 tok/s Q4 估算
• RTX 5090 32GB — ≈139.1 tok/s Q4 估算
• RTX 4090 24GB — ≈104.3 tok/s Q4 实测

Qwen3-8B 的全部 GPU →

RTX 4070 Super 12GB 可跑的其他模型

• MiniCPM5-1B — ≈297.0 tok/s Q4 估算
• Qwen3.5-2B — ≈160.4 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈100.2 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
• Mistral-7B-Instruct-v0.3 — ≈44.5 tok/s Q4 估算

RTX 4070 Super 12GB 上的全部模型 →