RTX 4080 Super 16GB 能跑 MiMo-V2.5 吗？

NVIDIA · 16 GB GDDR6X · 带宽 736 GB/s · Xiaomi · 310.0B（激活 15.0B） · MoE · 模型上下文最长 1024K

不能——MiMo-V2.5 在 Q4 下即使 4K 上下文也约需 173.0 GB，超出 RTX 4080 Super 16GB 的 16 GB GDDR6X。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 624.0 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	173.0 GB	否	—
Q4	8K 默认	174.5 GB	否	—
Q4	32K	183.5 GB	否	—
FP16	4K	622.5 GB	否	—
FP16	8K 默认	624.0 GB	否	—
FP16	32K	633.0 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 4080 Super 16GB VRAM
Q4	170.5 GB	3.0 GB	1 GB	174.5 GB	16 GB
FP16	620.0 GB	3.0 GB	1 GB	624.0 GB	16 GB

其他能跑 MiMo-V2.5 的 GPU

• B200 192GB SXM — ≈339.4 tok/s Q4 估算
• MI300X 192GB — ≈224.8 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — ≈33.9 tok/s Q4 估算

MiMo-V2.5 的全部 GPU →

RTX 4080 Super 16GB 可跑的其他模型

• MiniCPM5-1B — ≈433.7 tok/s Q4 估算
• Qwen3.5-2B — ≈234.2 tok/s Q4 估算
• gpt-oss-20b — ≈186.5 tok/s Q4 实测
• Llama-3.2-3B-Instruct — ≈146.4 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈117.1 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈117.1 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈117.1 tok/s Q4 估算
• gemma-4-E2B-it — ≈91.8 tok/s Q4 估算

RTX 4080 Super 16GB 上的全部模型 →