RTX 5070 Ti 16GB 能跑 Devstral-Small-2-24B-Instruct-2512 吗？

NVIDIA · 16 GB GDDR7 · 带宽 896 GB/s · Mistral · 24.0B · 模型上下文最长 256K

不能——Devstral-Small-2-24B-Instruct-2512 在 Q4 下即使 4K 上下文也约需 16.6 GB，超出 RTX 5070 Ti 16GB 的 16 GB GDDR7。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 48.1 tok/s（估算，batch 1）。 FP16 约需 53.8 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	16.6 GB	否	63.1 估算
Q4	8K 默认	19.0 GB	否	48.1 估算
Q4	32K	33.4 GB	否	15.6 估算
FP16	4K	51.4 GB	否	1.8 估算
FP16	8K 默认	53.8 GB	否	1.7 估算
FP16	32K	68.2 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 5070 Ti 16GB VRAM
Q4	13.2 GB	4.8 GB	1 GB	19.0 GB	16 GB
FP16	48.0 GB	4.8 GB	1 GB	53.8 GB	16 GB

其他能跑 Devstral-Small-2-24B-Instruct-2512 的 GPU

• B200 192GB SXM — ≈212.1 tok/s Q4 估算
• MI300X 192GB — ≈140.5 tok/s Q4 估算
• H200 141GB SXM5 — ≈127.3 tok/s Q4 估算
• H100 80GB SXM5 — ≈88.8 tok/s Q4 估算
• Gaudi 3 128GB — ≈86.9 tok/s Q4 估算
• A100 80GB SXM4 — ≈54.1 tok/s Q4 估算
• RTX 5090 32GB — ≈47.5 tok/s Q4 估算
• RTX 4090 24GB — ≈26.7 tok/s Q4 估算

Devstral-Small-2-24B-Instruct-2512 的全部 GPU →

RTX 5070 Ti 16GB 可跑的其他模型

• MiniCPM5-1B — ≈527.9 tok/s Q4 估算
• Qwen3.5-2B — ≈285.1 tok/s Q4 估算
• gpt-oss-20b — ≈189.5 tok/s Q4 实测
• Llama-3.2-3B-Instruct — ≈178.2 tok/s Q4 估算
• Mistral-7B-Instruct-v0.3 — ≈160.2 tok/s Q4 实测
• Qwen3-4B-Instruct-2507 — ≈142.5 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈142.5 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈142.5 tok/s Q4 估算

RTX 5070 Ti 16GB 上的全部模型 →