RTX 4080 Super 16GB 能跑 gemma-4-26B-A4B-it 吗？

NVIDIA · 16 GB GDDR6X · 带宽 736 GB/s · Google · 25.2B（激活 3.8B） · MoE · 模型上下文最长 256K

各量化与上下文下的装机与速度

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

其他能跑 gemma-4-26B-A4B-it 的 GPU

• B200 192GB SXM — ≈1978.2 tok/s Q4 估算
• MI300X 192GB — ≈1293.4 tok/s Q4 估算
• H200 141GB SXM5 — ≈1186.9 tok/s Q4 估算
• H100 80GB SXM5 — ≈828.4 tok/s Q4 估算
• Gaudi 3 128GB — ≈799.4 tok/s Q4 估算
• A100 80GB SXM4 — ≈504.2 tok/s Q4 估算
• RTX 5090 32GB — ≈443.1 tok/s Q4 估算
• RTX 4090 24GB — ≈226.6 tok/s Q4 估算

gemma-4-26B-A4B-it 的全部 GPU →

RTX 4080 Super 16GB 可跑的其他模型

• MiniCPM5-1B — ≈620.9 tok/s Q4 估算
• Qwen3.5-2B — ≈335.3 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈209.5 tok/s Q4 估算
• gpt-oss-20b — ≈186.5 tok/s Q4 实测
• Qwen3-4B-Instruct-2507 — ≈167.6 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈167.6 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈167.6 tok/s Q4 估算
• gemma-4-E2B-it — ≈131.5 tok/s Q4 估算

RTX 4080 Super 16GB 上的全部模型 →