Qwen2.5-Coder-32B-Instruct

Alibaba · 32.8B · ctx 32K · apache-2.0 · HuggingFace

Qwen2.5-Coder-32B-Instruct（Alibaba）是 AI Hashrate 收录的32.8B 参数开放权重模型。 按 8K 上下文估算：Q4 约需 25.6 GB VRAM（权重 18.04 GB + KV 6.56 GB + 开销 1 GB），FP16 约需 73.16 GB。 在该上下文假设下，目录中约有 16 款 GPU/加速器能在 Q4 下完整装下此模型。 Q4 最快配置：B200 192GB SXM ≈ 155.2 tok/s（估算）; MI300X 192GB ≈ 102.8 tok/s（估算）; H200 141GB SXM5 ≈ 93.1 tok/s（估算）; H100 80GB SXM5 ≈ 65.0 tok/s（估算）; Gaudi 3 128GB ≈ 63.6 tok/s（估算）。 下表给出各硬件的 VRAM 装机情况与每美元 tok/s（按 MSRP 标价）。估算基于显存带宽公式；有实测时以实测为准。详见方法论页。 方法论.

72 个硬件配置——按 tok/s 排序。默认装机上下文 8K。

硬件	VRAM	量化	tok/s	装得下？	tok/s/$
B200 192GB SXM	192	Q4	155.2 估算	是	0.004
MI300X 192GB	192	Q4	102.8 估算	是	0.007
H200 141GB SXM5	141	Q4	93.1 估算	是	0.003
H100 80GB SXM5	80	Q4	65.0 估算	是	0.002
Gaudi 3 128GB	128	Q4	63.6 估算	是	0.005
RTX 4090D 24GB (China)	24	Q4	49.1 估算	否	0.031
RTX 3090 Ti 24GB	24	Q4	49.1 估算	否	0.025
RX 7900 XTX 24GB	24	Q4	46.8 估算	否	0.047
RTX 3090 24GB	24	Q4	45.6 估算	否	0.03
B200 192GB SXM	192	FP16	42.7 估算	是	0.001
RTX 4090 24GB	24	Q4	42.0 实测	否	0.026
A100 80GB SXM4	80	Q4	39.6 估算	是	0.003
RTX 5090 32GB	32	Q4	34.8 估算	是	0.017
MI300X 192GB	192	FP16	28.3 估算	是	0.002
RX 7900 XT 20GB	20	Q4	27.1 估算	否	0.03
H200 141GB SXM5	141	FP16	25.6 估算	是	0.001
RTX 5080 16GB	16	Q4	20.8 估算	否	0.021
RTX 5070 Ti 16GB	16	Q4	19.4 估算	否	0.026
RTX 6000 Ada 48GB	48	Q4	18.6 估算	是	0.003
H100 80GB SXM5	80	FP16	17.9 估算	是	0.001
Gaudi 3 128GB	128	FP16	17.5 估算	是	0.001
L40S 48GB	48	Q4	16.8 估算	是	0.002
RTX 4080 Super 16GB	16	Q4	15.9 估算	否	0.016
Mac Studio M3 Ultra 96GB	96	Q4	15.9 估算	是	0.004
Mac Studio M2 Ultra 192GB	192	Q4	15.5 估算	是	0.002
RTX A6000 48GB	48	Q4	14.9 估算	是	0.003
RTX 4070 Ti Super 16GB	16	Q4	14.6 估算	否	0.018
RX 9070 16GB	16	Q4	13.9 估算	否	0.025
RX 9070 XT 16GB	16	Q4	13.9 估算	否	0.023
RX 7800 XT 16GB	16	Q4	13.5 估算	否	0.027
RX 7900 GRE 16GB	16	Q4	12.5 估算	否	0.023
Arc A770 16GB	16	Q4	12.1 估算	否	0.035
A100 80GB SXM4	80	FP16	10.9 估算	是	0.001
MacBook Pro M4 Max 128GB	128	Q4	10.6 估算	是	0.002
RTX 5060 Ti 16GB	16	Q4	9.7 估算	否	0.023
RTX 5070 12GB	12	Q4	8.2 估算	否	0.015
MacBook Pro M3 Max 128GB	128	Q4	7.8 估算	是	0.002
T4 16GB	16	Q4	6.9 估算	否	0.003
RTX 4070 Ti 12GB	12	Q4	6.7 估算	否	0.008
RTX 3080 10GB	10	Q4	6.4 估算	否	0.009
RTX 6000 Ada 48GB	48	FP16	6.3 估算	否	0.001
RTX 4060 Ti 16GB	16	Q4	6.2 估算	否	0.012
RX 7600 XT 16GB	16	Q4	6.2 估算	否	0.019
RTX 4070 12GB	12	Q4	6.1 估算	否	0.01
RTX 4070 Super 12GB	12	Q4	6.1 估算	否	0.01
L40S 48GB	48	FP16	5.7 估算	否	0.001
Arc B580 12GB	12	Q4	5.6 估算	否	0.022
RX 7700 XT 12GB	12	Q4	5.3 估算	否	0.012
Mac mini M4 Pro 64GB	64	Q4	5.3 估算	是	0.002
RTX 5090 32GB	32	FP16	5.2 估算	否	0.003
RTX A6000 48GB	48	FP16	5.0 估算	否	0.001
RTX 3060 12GB	12	Q4	4.4 估算	否	0.013
Mac Studio M3 Ultra 96GB	96	FP16	4.4 估算	是	0.001
Mac Studio M2 Ultra 192GB	192	FP16	4.3 估算	是	0.001
Arc B570 10GB	10	Q4	3.2 估算	否	0.015
Mac mini M4 Pro 64GB	64	FP16	3.2 估算	否	0.001
MacBook Pro M4 Max 128GB	128	FP16	2.9 估算	是	0.001
RTX 5060 8GB	8	Q4	2.4 估算	否	0.008
RTX 5060 Ti 8GB	8	Q4	2.4 估算	否	0.006
RTX 3070 8GB	8	Q4	2.4 估算	否	0.005
Mac mini M4 32GB	32	Q4	2.3 估算	是	0.002
MacBook Pro M3 Max 128GB	128	FP16	2.1 估算	是	0.001
RTX 4090 24GB	24	FP16	1.7 估算	否	0.001
RTX 4090D 24GB (China)	24	FP16	1.7 估算	否	0.001
RTX 3090 Ti 24GB	24	FP16	1.7 估算	否	0.001
RX 7900 XTX 24GB	24	FP16	1.6 估算	否	0.002
RTX 4060 Ti 8GB	8	Q4	1.6 估算	否	0.004
RX 7600 8GB	8	Q4	1.6 估算	否	0.006
RTX 3090 24GB	24	FP16	1.5 估算	否	0.001
RTX 4060 8GB	8	Q4	1.5 估算	否	0.005
RX 7900 XT 20GB	20	FP16	0.9 估算	否	0.001
Mac mini M4 32GB	32	FP16	0.3 估算	否	0.0

装机核对

• RTX 5090 32GB — 装得下 · ≈34.8 tok/s Q4 估算
• RTX 3090 Ti 24GB — 装不下 · ≈49.1 tok/s Q4 估算
• RTX 4090 24GB — 装不下 · ≈42.0 tok/s Q4 实测
• RTX 5080 16GB — 装不下 · ≈20.8 tok/s Q4 估算
• RTX 6000 Ada 48GB — 装得下 · ≈18.6 tok/s Q4 估算
• RX 7900 XTX 24GB — 装不下 · ≈46.8 tok/s Q4 估算
• RTX 3090 24GB — 装不下 · ≈45.6 tok/s Q4 估算
• RTX 5070 Ti 16GB — 装不下 · ≈19.4 tok/s Q4 估算
• L40S 48GB — 装得下 · ≈16.8 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — 装得下 · ≈15.9 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — 装得下 · ≈15.5 tok/s Q4 估算
• RX 7900 XT 20GB — 装不下 · ≈27.1 tok/s Q4 估算

12 款热门零售 GPU；上表每行的「装得下？」结论同样链接到完整装机核对页。

同族模型：Qwen（通义千问）

Qwen3 Qwen3-8B · Qwen3-14B
Qwen3 2507 Qwen3-4B-Instruct-2507 · Qwen3-4B-Thinking-2507 · Qwen3-30B-A3B-Instruct-2507 · Qwen3-235B-A22B-Instruct-2507
Qwen2.5 Qwen2.5-7B-Instruct · Qwen2.5-14B-Instruct · Qwen2.5-32B-Instruct · Qwen2.5-72B-Instruct
Qwen3 Next Qwen3-Next-80B-A3B-Instruct
Qwen3 Coder Qwen3-Coder-480B-A35B-Instruct · Qwen3-Coder-Next
Qwen3.5 Qwen3.5-2B · Qwen3.5-9B · Qwen3.5-27B · Qwen3.5-35B-A3B · Qwen3.5-122B-A10B · Qwen3.5-397B-A17B
Qwen3.6 Qwen3.6-27B · Qwen3.6-35B-A3B

全部 Qwen（通义千问） 模型 →