Qwen3-Next-80B-A3B-Instruct

Alibaba · 81.3B（激活 3B） · MoE · ctx 256K · apache-2.0 · HuggingFace

Qwen3-Next-80B-A3B-Instruct（Alibaba）是 AI Hashrate 收录的81.3B 参数 MoE（每 token 激活 3B）开放权重模型。 按 8K 上下文估算：Q4 约需 46.32 GB VRAM（权重 44.72 GB + KV 0.6 GB + 开销 1 GB），FP16 约需 164.2 GB。 在该上下文假设下，目录中约有 11 款 GPU/加速器能在 Q4 下完整装下此模型。 Q4 最快配置：B200 192GB SXM ≈ 1697.0 tok/s（估算）; MI300X 192GB ≈ 1124.2 tok/s（估算）; H200 141GB SXM5 ≈ 1018.2 tok/s（估算）; H100 80GB SXM5 ≈ 710.6 tok/s（估算）; Gaudi 3 128GB ≈ 694.9 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.

56 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	1697.0 估算	是	0.042
MI300X 192GB	192	Q4	1124.2 估算	是	0.075
H200 141GB SXM5	141	Q4	1018.2 估算	是	0.029
H100 80GB SXM5	80	Q4	710.6 估算	是	0.024
Gaudi 3 128GB	128	Q4	694.9 估算	是	0.056
RTX 6000 Ada 48GB	48	Q4	624.8 估算	否	0.092
H200 141GB SXM5	141	FP16	589.9 估算	否	0.017
L40S 48GB	48	Q4	562.3 估算	否	0.07
RTX 5090 32GB	32	Q4	518.3 估算	否	0.259
RTX A6000 48GB	48	Q4	499.8 估算	否	0.111
B200 192GB SXM	192	FP16	466.7 估算	是	0.012
A100 80GB SXM4	80	Q4	432.5 估算	是	0.029
Gaudi 3 128GB	128	FP16	331.8 估算	否	0.027
MI300X 192GB	192	FP16	309.2 估算	是	0.021
Mac Studio M3 Ultra 96GB	96	Q4	173.7 估算	是	0.043
Mac Studio M2 Ultra 192GB	192	Q4	169.7 估算	是	0.024
RTX 4090 24GB	24	Q4	164.0 估算	否	0.103
RTX 4090D 24GB (China)	24	Q4	164.0 估算	否	0.103
RTX 3090 Ti 24GB	24	Q4	164.0 估算	否	0.082
RX 7900 XTX 24GB	24	Q4	156.2 估算	否	0.156
RTX 3090 24GB	24	Q4	152.3 估算	否	0.102
H100 80GB SXM5	80	FP16	132.5 估算	否	0.004
MacBook Pro M4 Max 128GB	128	Q4	115.8 估算	是	0.026
RX 7900 XT 20GB	20	Q4	90.4 估算	否	0.101
MacBook Pro M3 Max 128GB	128	Q4	84.8 估算	是	0.02
A100 80GB SXM4	80	FP16	80.7 估算	否	0.005
RTX 5080 16GB	16	Q4	69.4 估算	否	0.069
RTX 5070 Ti 16GB	16	Q4	64.8 估算	否	0.087
Mac mini M4 Pro 64GB	64	Q4	57.9 估算	是	0.026
MacBook Pro M4 Max 128GB	128	FP16	55.3 估算	否	0.013
RTX 4080 Super 16GB	16	Q4	53.2 估算	否	0.053
RTX 4070 Ti Super 16GB	16	Q4	48.6 估算	否	0.061
Mac Studio M2 Ultra 192GB	192	FP16	46.7 估算	是	0.007
Mac Studio M3 Ultra 96GB	96	FP16	46.7 估算	否	0.012
RX 9070 16GB	16	Q4	46.3 估算	否	0.084
RX 9070 XT 16GB	16	Q4	46.3 估算	否	0.077
RX 7800 XT 16GB	16	Q4	45.1 估算	否	0.09
RX 7900 GRE 16GB	16	Q4	41.7 估算	否	0.076
MacBook Pro M3 Max 128GB	128	FP16	40.5 估算	否	0.01
Arc A770 16GB	16	Q4	40.5 估算	否	0.116
Mac mini M4 32GB	32	Q4	34.7 估算	否	0.035
RTX 5060 Ti 16GB	16	Q4	32.4 估算	否	0.076
RTX 5070 12GB	12	Q4	27.3 估算	否	0.05
T4 16GB	16	Q4	23.1 估算	否	0.012
RTX 4070 Ti 12GB	12	Q4	22.5 估算	否	0.028
RTX 4060 Ti 16GB	16	Q4	20.8 估算	否	0.042
RX 7600 XT 16GB	16	Q4	20.8 估算	否	0.063
RTX 4070 12GB	12	Q4	20.5 估算	否	0.034
RTX 4070 Super 12GB	12	Q4	20.5 估算	否	0.034
Arc B580 12GB	12	Q4	18.5 估算	否	0.074
RX 7700 XT 12GB	12	Q4	17.6 估算	否	0.039
RTX 3060 12GB	12	Q4	14.6 估算	否	0.044
RTX 6000 Ada 48GB	48	FP16	13.7 估算	否	0.002
L40S 48GB	48	FP16	12.3 估算	否	0.002
RTX A6000 48GB	48	FP16	10.9 估算	否	0.002
Mac mini M4 Pro 64GB	64	FP16	6.9 估算	否	0.003

装机核对

• RTX 5090 32GB — 装不下 · ≈518.3 tok/s Q4 估算
• RTX 3090 Ti 24GB — 装不下 · ≈164.0 tok/s Q4 估算
• RTX 4090 24GB — 装不下 · ≈164.0 tok/s Q4 估算
• RTX 5080 16GB — 装不下 · ≈69.4 tok/s Q4 估算
• RTX 6000 Ada 48GB — 装不下 · ≈624.8 tok/s Q4 估算
• RX 7900 XTX 24GB — 装不下 · ≈156.2 tok/s Q4 估算
• RTX 3090 24GB — 装不下 · ≈152.3 tok/s Q4 估算
• RTX 5070 Ti 16GB — 装不下 · ≈64.8 tok/s Q4 估算
• L40S 48GB — 装不下 · ≈562.3 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — 装得下 · ≈173.7 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — 装得下 · ≈169.7 tok/s Q4 估算
• RX 7900 XT 20GB — 装不下 · ≈90.4 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
Qwen2.5 Coder Qwen2.5-Coder-32B-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 →