RTX 4070 Ti Super 16GB — 本地 LLM 装机匹配与速度

NVIDIA · 16 GB GDDR6X · 672 GB/s · 285 W · MSRP $799 · 搜索 Amazon （返利链接）

RTX 4070 Ti Super 16GB 是 NVIDIA 的加速器，配备 16 GB GDDR6X，峰值显存带宽约 672 GB/s。 AI Hashrate 按 8K 上下文估算本地 LLM 解码速度（batch 1）：能否装下 = 权重 + KV cache + 1 GB 运行时开销，而非只看权重。 Q4 下约有 20 个收录模型能完整装进此卡；FP16 下约 7 个。 Q4 速度前列：MiniCPM5-1B ≈ 396.0 tok/s（估算，装得下）; Qwen3.5-2B ≈ 213.8 tok/s（估算，装得下）; Llama-3.2-3B-Instruct ≈ 199.0 tok/s（实测，装得下）; gpt-oss-20b ≈ 118.8 tok/s（估算，装得下）; Qwen3-4B-Instruct-2507 ≈ 106.9 tok/s（估算，装得下）。相对排名比绝对 tok/s 更可靠。带宽公式与实测锚点政策见方法论页。方法论.

表格：解码速度估算（Q4 / FP16）。实测行覆盖估算值。MSRP 为官方标价，非实时售价。默认上下文 8K。

模型	参数 (B)	量化	tok/s	装得下？
MiniCPM5-1B	1.08	Q4	396.0 估算	是
gemma-4-26B-A4B-it	25.2	Q4	337.4 估算	否
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16	30.0	Q4	318.2 估算	否
Qwen3-30B-A3B-Instruct-2507	30.5	Q4	308.6 估算	否
GLM-4.7-Flash	31.2	Q4	296.3 估算	否
Qwen3.5-35B-A3B	34.7	Q4	243.6 估算	否
Ornith-1.0-35B	35.0	Q4	239.8 估算	否
Qwen3.6-35B-A3B	36.0	Q4	227.7 估算	否
Qwen3.5-2B	2.0	Q4	213.8 估算	是
Llama-3.2-3B-Instruct	3.2	Q4	199.0 实测 (geerlingguy-ai-benchmarks)	是
gpt-oss-20b	21.5	Q4	118.8 估算	是
MiniCPM5-1B	1.08	FP16	108.9 估算	是
Qwen3-4B-Instruct-2507	4.0	Q4	106.9 估算	是
Qwen3-4B-Thinking-2507	4.0	Q4	106.9 估算	是
NVIDIA-Nemotron-3-Nano-4B-BF16	4.0	Q4	106.9 估算	是
Llama-3.1-8B-Instruct	8.0	Q4	95.0 实测 (kunalganglani-llm-benchmarks)	是
gemma-4-E2B-it	5.1	Q4	83.9 估算	是
Mistral-7B-Instruct-v0.3	7.2	Q4	59.4 估算	是
Qwen3.5-2B	2.0	FP16	58.8 估算	是
Qwen2.5-7B-Instruct	7.6	Q4	56.3 估算	是
Qwen2.5-14B-Instruct	14.8	Q4	54.0 实测 (kunalganglani-llm-benchmarks)	是
gemma-4-E4B-it	8.0	Q4	53.5 估算	是
Qwen3-8B	8.2	Q4	52.2 估算	是
DeepSeek-R1-0528-Qwen3-8B	8.2	Q4	52.2 估算	是
Qwen3-Coder-Next	79.7	Q4	50.5 估算	否
Qwen3-Next-80B-A3B-Instruct	81.3	Q4	48.6 估算	否
Qwen3.5-9B	8.95	Q4	47.8 估算	是
Ornith-1.0-9B	9.0	Q4	47.5 估算	是
Mistral-7B-Instruct-v0.3	7.2	FP16	42.1 估算	否
Llama-3.2-3B-Instruct	3.2	FP16	36.8 估算	是
Devstral-Small-2-24B-Instruct-2512	24.0	Q4	36.1 估算	否
Qwen2.5-7B-Instruct	7.6	FP16	36.0 估算	否
gemma-4-12b-it	11.95	Q4	35.8 估算	是
Llama-3.1-8B-Instruct	8.0	FP16	31.1 估算	否
gemma-4-E4B-it	8.0	FP16	31.1 估算	否
Qwen3-4B-Instruct-2507	4.0	FP16	29.4 估算	是
Qwen3-4B-Thinking-2507	4.0	FP16	29.4 估算	是
NVIDIA-Nemotron-3-Nano-4B-BF16	4.0	FP16	29.4 估算	是
Qwen3-8B	8.2	FP16	28.9 估算	否
Qwen3-14B	14.8	Q4	28.9 估算	是
DeepSeek-R1-0528-Qwen3-8B	8.2	FP16	28.9 估算	否
DeepSeek-R1-Distill-Qwen-14B	14.8	Q4	28.9 估算	是
Qwen3.5-27B	27.0	Q4	25.7 估算	否
Qwen3.6-27B	27.8	Q4	23.6 估算	否
gemma-4-E2B-it	5.1	FP16	23.1 估算	是
Qwen3.5-9B	8.95	FP16	22.5 估算	否
Ornith-1.0-9B	9.0	FP16	22.1 估算	否
gemma-4-31B-it	30.7	Q4	17.6 估算	否
Qwen2.5-32B-Instruct	32.8	Q4	14.6 估算	否
Qwen2.5-Coder-32B-Instruct	32.8	Q4	14.6 估算	否
DeepSeek-R1-Distill-Qwen-32B	32.8	Q4	14.6 估算	否
gpt-oss-20b	21.5	FP16	11.9 估算	否
gemma-4-12b-it	11.95	FP16	9.7 估算	否
gemma-4-26B-A4B-it	25.2	FP16	8.3 估算	否
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16	30.0	FP16	7.6 估算	否
Qwen3-30B-A3B-Instruct-2507	30.5	FP16	7.3 估算	否
GLM-4.7-Flash	31.2	FP16	7.0 估算	否
Qwen3-14B	14.8	FP16	5.2 估算	否
Qwen2.5-14B-Instruct	14.8	FP16	5.2 估算	否
DeepSeek-R1-Distill-Qwen-14B	14.8	FP16	5.2 估算	否
Llama-3.1-70B-Instruct	70.6	Q4	1.5 估算	否
Llama-3.3-70B-Instruct	70.6	Q4	1.5 估算	否
Qwen2.5-72B-Instruct	72.7	Q4	1.4 估算	否
Devstral-Small-2-24B-Instruct-2512	24.0	FP16	1.2 估算	否
Qwen3.5-27B	27.0	FP16	0.9 估算	否
Qwen3.6-27B	27.8	FP16	0.8 估算	否

装机核对

Qwen3-8B — 装得下 · ≈52.2 tok/s Q4 估算
gemma-4-26B-A4B-it — 装不下 · ≈337.4 tok/s Q4 估算
Qwen2.5-7B-Instruct — 装得下 · ≈56.3 tok/s Q4 估算
Qwen3.5-9B — 装得下 · ≈47.8 tok/s Q4 估算
Llama-3.1-8B-Instruct — 装得下 · ≈95.0 tok/s Q4 实测
gpt-oss-20b — 装得下 · ≈118.8 tok/s Q4 估算
Qwen3.6-35B-A3B — 装不下 · ≈227.7 tok/s Q4 估算
Qwen3.5-35B-A3B — 装不下 · ≈243.6 tok/s Q4 估算
gemma-4-E2B-it — 装得下 · ≈83.9 tok/s Q4 估算
Qwen3.6-27B — 装不下 · ≈23.6 tok/s Q4 估算
Mistral-7B-Instruct-v0.3 — 装得下 · ≈59.4 tok/s Q4 估算

全部 63 个模型的装机核对——见上表「装得下？」列的链接