V100 32GB SXM2 能跑 Llama-3.1-8B-Instruct 吗？

NVIDIA · 32 GB HBM2 · 带宽 900 GB/s · Meta · 8.0B · 模型上下文最长 128K

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 Llama-3.1-8B-Instruct 的 GPU

• B200 192GB SXM — ≈1085.3 tok/s Q4 估算
• MI300X 192GB — ≈680.1 tok/s Q4 估算
• H200 141GB SXM5 — ≈651.2 tok/s Q4 估算
• H100 80GB SXM5 — ≈454.5 tok/s Q4 估算
• Gaudi 3 128GB — ≈420.4 tok/s Q4 估算
• A100 80GB SXM4 — ≈276.6 tok/s Q4 估算
• RTX 5090 32GB — ≈214.3 tok/s Q4 实测
• RTX 4090 24GB — ≈145.0 tok/s Q4 实测

Llama-3.1-8B-Instruct 的全部 GPU →

V100 32GB SXM2 可跑的其他模型

• MiniCPM5-1B — ≈895.6 tok/s Q4 估算
• Qwen3.5-2B — ≈483.6 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈420.5 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈322.4 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈322.4 tok/s Q4 估算
• GLM-4.7-Flash — ≈322.4 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈322.4 tok/s Q4 估算
• Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 — ≈322.4 tok/s Q4 估算

V100 32GB SXM2 上的全部模型 →