RTX 4090 24GB 能跑 Mistral-Medium-3.5-128B 吗？

NVIDIA · 24 GB GDDR6X · 带宽 1008 GB/s · Mistral · 128.0B · 模型上下文最长 256K

不能——Mistral-Medium-3.5-128B 在 Q4 下即使 4K 上下文也约需 84.2 GB，超出 RTX 4090 24GB 的 24 GB GDDR6X。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 282.6 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	84.2 GB	否	1.2 估算
Q4	8K 默认	97.0 GB	否	—
Q4	32K	173.8 GB	否	—
FP16	4K	269.8 GB	否	—
FP16	8K 默认	282.6 GB	否	—
FP16	32K	359.4 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 4090 24GB VRAM
Q4	70.4 GB	25.6 GB	1 GB	97.0 GB	24 GB
FP16	256.0 GB	25.6 GB	1 GB	282.6 GB	24 GB

其他能跑 Mistral-Medium-3.5-128B 的 GPU

• B200 192GB SXM — ≈39.8 tok/s Q4 估算
• MI300X 192GB — ≈26.3 tok/s Q4 估算
• H200 141GB SXM5 — ≈23.9 tok/s Q4 估算
• Gaudi 3 128GB — ≈16.3 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — ≈4.0 tok/s Q4 估算
• MacBook Pro M4 Max 128GB — ≈2.7 tok/s Q4 估算
• MacBook Pro M3 Max 128GB — ≈2.0 tok/s Q4 估算

Mistral-Medium-3.5-128B 的全部 GPU →

RTX 4090 24GB 可跑的其他模型

• MiniCPM5-1B — ≈593.9 tok/s Q4 估算
• Qwen3.5-2B — ≈320.7 tok/s Q4 估算
• gpt-oss-20b — ≈225.2 tok/s Q4 实测
• GLM-4.7-Flash — ≈213.8 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈213.8 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈213.8 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈213.8 tok/s Q4 估算
• Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 — ≈213.8 tok/s Q4 估算

RTX 4090 24GB 上的全部模型 →