RTX 4070 Ti Super 16GB 能跑 Llama-3.2-3B-Instruct 吗？

NVIDIA · 16 GB GDDR6X · 带宽 672 GB/s · Meta · 3.2B · 模型上下文最长 128K

能——RTX 4070 Ti Super 16GB（16 GB GDDR6X）可以运行 Llama-3.2-3B-Instruct。Q4、默认 8K 上下文下约需 3.4 GB VRAM（权重 1.76 GB + KV cache 0.64 GB + 运行时开销 1 GB），在 16 GB 之内。 Q4/8K 解码：≈ 199.0 tok/s（实测，batch 1）。 FP16（约需 8.04 GB）也装得下，≈ 36.8 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	3.08 GB	是	199.0 实测
Q4	8K 默认	3.4 GB	是	199.0 实测
Q4	32K	5.32 GB	是	199.0 实测
FP16	4K	7.72 GB	是	36.8 估算
FP16	8K 默认	8.04 GB	是	36.8 估算
FP16	32K	9.96 GB	是	36.8 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 4070 Ti Super 16GB VRAM
Q4	1.76 GB	0.64 GB	1 GB	3.4 GB	16 GB
FP16	6.4 GB	0.64 GB	1 GB	8.04 GB	16 GB

其他能跑 Llama-3.2-3B-Instruct 的 GPU

• B200 192GB SXM — ≈1590.9 tok/s Q4 估算
• MI300X 192GB — ≈1054.0 tok/s Q4 估算
• H200 141GB SXM5 — ≈954.5 tok/s Q4 估算
• H100 80GB SXM5 — ≈666.2 tok/s Q4 估算
• Gaudi 3 128GB — ≈651.5 tok/s Q4 估算
• A100 80GB SXM4 — ≈405.5 tok/s Q4 估算
• RTX 5090 32GB — ≈356.4 tok/s Q4 估算
• RTX 4090 24GB — ≈200.5 tok/s Q4 估算

Llama-3.2-3B-Instruct 的全部 GPU →

RTX 4070 Ti Super 16GB 可跑的其他模型

• MiniCPM5-1B — ≈396.0 tok/s Q4 估算
• Qwen3.5-2B — ≈213.8 tok/s Q4 估算
• gpt-oss-20b — ≈118.8 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈106.9 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈106.9 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈106.9 tok/s Q4 估算
• Llama-3.1-8B-Instruct — ≈95.0 tok/s Q4 实测
• gemma-4-E2B-it — ≈83.9 tok/s Q4 估算

RTX 4070 Ti Super 16GB 上的全部模型 →