Qwen3.5-27B

Alibaba · 27.0B · ctx 256K · apache-2.0 · HuggingFace

Qwen3.5-27B（Alibaba）是 AI Hashrate 收录的27.0B 参数开放权重模型。 按 8K 上下文估算：Q4 约需 21.25 GB VRAM（权重 14.85 GB + KV 5.4 GB + 开销 1 GB），FP16 约需 60.4 GB。 在该上下文假设下，目录中约有 21 款 GPU/加速器能在 Q4 下完整装下此模型。 Q4 最快配置：B200 192GB SXM ≈ 188.6 tok/s（估算）; MI300X 192GB ≈ 124.9 tok/s（估算）; H200 141GB SXM5 ≈ 113.1 tok/s（估算）; H100 80GB SXM5 ≈ 79.0 tok/s（估算）; Gaudi 3 128GB ≈ 77.2 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.

85 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	188.6 估算	是	0.005
MI300X 192GB	192	Q4	124.9 估算	是	0.008
H200 141GB SXM5	141	Q4	113.1 估算	是	0.003
H100 80GB SXM5	80	Q4	79.0 估算	是	0.003
Gaudi 3 128GB	128	Q4	77.2 估算	是	0.006
B200 192GB SXM	192	FP16	51.9 估算	是	0.001
A100 80GB SXM4	80	Q4	48.1 估算	是	0.003
RX 7900 XT 20GB	20	Q4	47.7 估算	否	0.053
RTX 5090 32GB	32	Q4	42.2 估算	是	0.021
RTX 5080 16GB	16	Q4	36.6 估算	否	0.037
MI300X 192GB	192	FP16	34.4 估算	是	0.002
RTX 5070 Ti 16GB	16	Q4	34.2 估算	否	0.046
H200 141GB SXM5	141	FP16	31.1 估算	是	0.001
RTX 4080 Super 16GB	16	Q4	28.1 估算	否	0.028
RTX 4070 Ti Super 16GB	16	Q4	25.7 估算	否	0.032
RX 9070 16GB	16	Q4	24.4 估算	否	0.044
RX 9070 XT 16GB	16	Q4	24.4 估算	否	0.041
RTX 4090 24GB	24	Q4	23.8 估算	是	0.015
RTX 4090D 24GB (China)	24	Q4	23.8 估算	是	0.015
RTX 3090 Ti 24GB	24	Q4	23.8 估算	是	0.012
RX 7800 XT 16GB	16	Q4	23.8 估算	否	0.048
RX 7900 XTX 24GB	24	Q4	22.6 估算	是	0.023
RTX 6000 Ada 48GB	48	Q4	22.6 估算	是	0.003
RTX 3090 24GB	24	Q4	22.1 估算	是	0.015
RX 7900 GRE 16GB	16	Q4	22.0 估算	否	0.04
H100 80GB SXM5	80	FP16	21.7 估算	是	0.001
Arc A770 16GB	16	Q4	21.4 估算	否	0.061
Gaudi 3 128GB	128	FP16	21.2 估算	是	0.002
L40S 48GB	48	Q4	20.4 估算	是	0.003
Mac Studio M3 Ultra 96GB	96	Q4	19.3 估算	是	0.005
Mac Studio M2 Ultra 192GB	192	Q4	18.9 估算	是	0.003
RTX A6000 48GB	48	Q4	18.1 估算	是	0.004
RTX 5060 Ti 16GB	16	Q4	17.1 估算	否	0.04
RTX 5070 12GB	12	Q4	14.4 估算	否	0.026
A100 80GB SXM4	80	FP16	13.2 估算	是	0.001
MacBook Pro M4 Max 128GB	128	Q4	12.9 估算	是	0.003
T4 16GB	16	Q4	12.2 估算	否	0.006
RTX 4070 Ti 12GB	12	Q4	11.9 估算	否	0.015
RTX 3080 10GB	10	Q4	11.3 估算	否	0.016
RTX 6000 Ada 48GB	48	FP16	11.2 估算	否	0.002
RTX 4060 Ti 16GB	16	Q4	11.0 估算	否	0.022
RX 7600 XT 16GB	16	Q4	11.0 估算	否	0.033
RTX 4070 12GB	12	Q4	10.8 估算	否	0.018
RTX 4070 Super 12GB	12	Q4	10.8 估算	否	0.018
L40S 48GB	48	FP16	10.1 估算	否	0.001
Arc B580 12GB	12	Q4	9.8 估算	否	0.039
MacBook Pro M3 Max 128GB	128	Q4	9.4 估算	是	0.002
RTX 5090 32GB	32	FP16	9.3 估算	否	0.005
RX 7700 XT 12GB	12	Q4	9.3 估算	否	0.021
RTX A6000 48GB	48	FP16	9.0 估算	否	0.002
RTX 3060 12GB	12	Q4	7.7 估算	否	0.023
Mac mini M4 Pro 64GB	64	Q4	6.4 估算	是	0.003
Arc B570 10GB	10	Q4	5.7 估算	否	0.026
Mac Studio M3 Ultra 96GB	96	FP16	5.3 估算	是	0.001
Mac Studio M2 Ultra 192GB	192	FP16	5.2 估算	是	0.001
RTX 5060 8GB	8	Q4	4.3 估算	否	0.014
RTX 5060 Ti 8GB	8	Q4	4.3 估算	否	0.011
RTX 3070 8GB	8	Q4	4.3 估算	否	0.009
MacBook Pro M4 Max 128GB	128	FP16	3.5 估算	是	0.001
RTX 4090 24GB	24	FP16	2.9 估算	否	0.002
RTX 4090D 24GB (China)	24	FP16	2.9 估算	否	0.002
RTX 3090 Ti 24GB	24	FP16	2.9 估算	否	0.001
RX 7900 XTX 24GB	24	FP16	2.8 估算	否	0.003
Mac mini M4 32GB	32	Q4	2.8 估算	是	0.003
RTX 3090 24GB	24	FP16	2.7 估算	否	0.002
RTX 4060 Ti 8GB	8	Q4	2.7 估算	否	0.007
RX 7600 8GB	8	Q4	2.7 估算	否	0.01
MacBook Pro M3 Max 128GB	128	FP16	2.6 估算	是	0.001
RTX 4060 8GB	8	Q4	2.6 估算	否	0.009
Mac mini M4 Pro 64GB	64	FP16	1.8 估算	是	0.001
RX 7900 XT 20GB	20	FP16	1.6 估算	否	0.002
RTX 5080 16GB	16	FP16	1.2 估算	否	0.001
RTX 5070 Ti 16GB	16	FP16	1.2 估算	否	0.002
RTX 4080 Super 16GB	16	FP16	1.0 估算	否	0.001
RTX 4070 Ti Super 16GB	16	FP16	0.9 估算	否	0.001
RX 7800 XT 16GB	16	FP16	0.8 估算	否	0.002
RX 9070 16GB	16	FP16	0.8 估算	否	0.001
RX 9070 XT 16GB	16	FP16	0.8 估算	否	0.001
RX 7900 GRE 16GB	16	FP16	0.7 估算	否	0.001
Arc A770 16GB	16	FP16	0.7 估算	否	0.002
RTX 5060 Ti 16GB	16	FP16	0.6 估算	否	0.001
Mac mini M4 32GB	32	FP16	0.6 估算	否	0.001
T4 16GB	16	FP16	0.4 估算	否	0.0
RTX 4060 Ti 16GB	16	FP16	0.4 估算	否	0.001
RX 7600 XT 16GB	16	FP16	0.4 估算	否	0.001

装机核对

• RTX 5090 32GB — 装得下 · ≈42.2 tok/s Q4 估算
• RTX 3090 Ti 24GB — 装得下 · ≈23.8 tok/s Q4 估算
• RTX 4090 24GB — 装得下 · ≈23.8 tok/s Q4 估算
• RTX 5080 16GB — 装不下 · ≈36.6 tok/s Q4 估算
• RTX 6000 Ada 48GB — 装得下 · ≈22.6 tok/s Q4 估算
• RX 7900 XTX 24GB — 装得下 · ≈22.6 tok/s Q4 估算
• RTX 3090 24GB — 装得下 · ≈22.1 tok/s Q4 估算
• RTX 5070 Ti 16GB — 装不下 · ≈34.2 tok/s Q4 估算
• L40S 48GB — 装得下 · ≈20.4 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — 装得下 · ≈19.3 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — 装得下 · ≈18.9 tok/s Q4 估算
• RX 7900 XT 20GB — 装不下 · ≈47.7 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 Next Qwen3-Next-80B-A3B-Instruct
Qwen3 Coder Qwen3-Coder-480B-A35B-Instruct · Qwen3-Coder-Next
Qwen3.5 Qwen3.5-2B · Qwen3.5-9B · Qwen3.5-35B-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 →