V100 16GB PCIe 能跑 Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 吗？

NVIDIA · 16 GB HBM2 · 带宽 900 GB/s · TheCluster · 19.8B（激活 19.8B） · MoE · 模型上下文最长 NoneK

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 Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 的 GPU

• B200 192GB SXM — ≈257.1 tok/s Q4 估算
• MI300X 192GB — ≈170.3 tok/s Q4 估算
• H200 141GB SXM5 — ≈154.3 tok/s Q4 估算
• H100 80GB SXM5 — ≈107.7 tok/s Q4 估算
• Gaudi 3 128GB — ≈105.3 tok/s Q4 估算
• A100 80GB SXM4 — ≈65.5 tok/s Q4 估算
• RTX 5090 32GB — ≈57.6 tok/s Q4 估算
• RTX 4090 24GB — ≈32.4 tok/s Q4 估算

Qwen3.5-122B-A10B-Heretic-v2-MLX-mixed-3.8bit 的全部 GPU →

V100 16GB PCIe 可跑的其他模型

• MiniCPM5-1B — ≈530.3 tok/s Q4 估算
• Qwen3.5-2B — ≈286.4 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈249.0 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈179.0 tok/s Q4 估算
• gpt-oss-20b — ≈159.1 tok/s Q4 估算
• gemma-4-26B-A4B-it — ≈150.7 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈143.2 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈143.2 tok/s Q4 估算

V100 16GB PCIe 上的全部模型 →