RTX 5070 12GB 能跑 Qwen2.5-14B-Instruct 吗？

NVIDIA · 12 GB GDDR7 · 带宽 672 GB/s · Alibaba · 14.8B · 模型上下文最长 128K

部分可以——Qwen2.5-14B-Instruct 在 Q4、4K 上下文下能装进 RTX 5070 12GB（12 GB GDDR7，约需 10.62 GB），但默认 8K 装不下（约需 12.1 GB）。请缩短上下文或部分 offload。 Q4/8K 解码：≈ 81.2 tok/s（估算，batch 1）。 FP16 约需 33.56 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	10.62 GB	是	28.9 估算
Q4	8K 默认	12.1 GB	否	81.2 估算
Q4	32K	20.98 GB	否	27.0 估算
FP16	4K	32.08 GB	否	3.2 估算
FP16	8K 默认	33.56 GB	否	2.9 估算
FP16	32K	42.44 GB	否	1.8 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 5070 12GB VRAM
Q4	8.14 GB	2.96 GB	1 GB	12.1 GB	12 GB
FP16	29.6 GB	2.96 GB	1 GB	33.56 GB	12 GB

其他能跑 Qwen2.5-14B-Instruct 的 GPU

• B200 192GB SXM — ≈344.0 tok/s Q4 估算
• MI300X 192GB — ≈227.9 tok/s Q4 估算
• H200 141GB SXM5 — ≈206.4 tok/s Q4 估算
• RTX 5090 32GB — ≈145.0 tok/s Q4 实测
• H100 80GB SXM5 — ≈144.0 tok/s Q4 估算
• Gaudi 3 128GB — ≈140.9 tok/s Q4 估算
• A100 80GB SXM4 — ≈98.02 tok/s Q4 实测
• RTX 4090 24GB — ≈92.0 tok/s Q4 实测

Qwen2.5-14B-Instruct 的全部 GPU →

RTX 5070 12GB 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
• Llama-3.2-3B-Instruct — ≈133.6 tok/s Q4 估算
• Mistral-7B-Instruct-v0.3 — ≈120.5 tok/s Q4 实测
• 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 — ≈100.4 tok/s Q4 实测

RTX 5070 12GB 上的全部模型 →