T4 16GB 能跑 Qwen3-Coder-480B-A35B-Instruct 吗？

NVIDIA · 16 GB GDDR6 · 带宽 320 GB/s · Alibaba · 480.2B（激活 35B） · MoE · 模型上下文最长 256K

不能——Qwen3-Coder-480B-A35B-Instruct 在 Q4 下即使 4K 上下文也约需 268.61 GB，超出 T4 16GB 的 16 GB GDDR6。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 968.4 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	268.61 GB	否	—
Q4	8K 默认	272.11 GB	否	—
Q4	32K	293.11 GB	否	—
FP16	4K	964.9 GB	否	—
FP16	8K 默认	968.4 GB	否	—
FP16	32K	989.4 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	T4 16GB VRAM
Q4	264.11 GB	7.0 GB	1 GB	272.11 GB	16 GB
FP16	960.4 GB	7.0 GB	1 GB	968.4 GB	16 GB

其他能跑 Qwen3-Coder-480B-A35B-Instruct 的 GPU

目录中没有 GPU 能在 Q4/8K 下完整装下 Qwen3-Coder-480B-A35B-Instruct——offload 估算见模型页。 模型页

Qwen3-Coder-480B-A35B-Instruct 的全部 GPU →

T4 16GB 可跑的其他模型

• MiniCPM5-1B — ≈188.6 tok/s Q4 估算
• Qwen3.5-2B — ≈101.8 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈63.6 tok/s Q4 估算
• gpt-oss-20b — ≈56.6 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈50.9 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈50.9 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈50.9 tok/s Q4 估算
• gemma-4-E2B-it — ≈39.9 tok/s Q4 估算

T4 16GB 上的全部模型 →