T4 16GB 对比 V100 32GB SXM2（本地 LLM）

V100 32GB SXM2 的显存带宽高约 181%（900 对 320 GB/s）。batch-1 解码与带宽强相关，因此同能装下的模型在 V100 32GB SXM2 上解码约快 181%。 Q4/8K 下 V100 32GB SXM2 能装下的目录模型更多——73 个模型中 43 对 25（32 对 16 GB VRAM）。 能装进 V100 32GB SXM2 却装不进 T4 16GB 的最大模型：Qwen3.6-35B-A3B-FP8（36.0B）。 MSRP：T4 16GB 为 $2,000，V100 32GB SXM2 为 $10,000。MSRP 是发布标价而非实时售价——Amazon 价格会波动，点进去才是在售价格。 不可零售购买：V100 32GB SXM2（数据中心级；现实使用方式是云租赁）。 下方 Q4/8K 正面对比（49 个共有模型）中，V100 32GB SXM2 在 49 行 tok/s 更高，0 行落后。 方法论.

规格对比

	T4 16GB	V100 32GB SXM2
厂商	NVIDIA	NVIDIA
VRAM	16 GB	32 GB
显存类型	GDDR6	HBM2
显存带宽	320 GB/s	900 GB/s
TDP	70 W	300 W
MSRP（标价）	$2,000	$10,000
购买	搜索 Amazon · eBay · Newegg · B&H Photo	—

MSRP 为发布标价，非实时售价。购买链接为 Amazon 返利链接——点击后看到的才是在售价格。

Q4 / 8K 正面对比——49 个共有模型中的前 15 个

模型	参数 (B)	T4 16GB tok/s	T4 16GB 装得下	V100 32GB SXM2 tok/s	V100 32GB SXM2 装得下	胜者
MiniCPM5-1B	1.08	323.7 估算	是	895.6 估算	是	V100 32GB SXM2
Qwen3.5-2B	2.0	174.8 估算	是	483.6 估算	是	V100 32GB SXM2
DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx	2.3	152.0 估算	是	420.5 估算	是	V100 32GB SXM2
Qwen3.6-35B-A3B	36.0	112.7 估算	否	322.4 估算	是	V100 32GB SXM2
Qwen3.5-35B-A3B	34.7	120.8 估算	否	322.4 估算	是	V100 32GB SXM2
GLM-4.7-Flash	31.2	111.3 估算	否	322.4 估算	是	V100 32GB SXM2
Qwen3-30B-A3B-Instruct-2507	30.5	144.1 估算	否	322.4 估算	是	V100 32GB SXM2
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16	30.0	154.3 估算	否	322.4 估算	是	V100 32GB SXM2
Ornith-1.0-35B	35.0	118.8 估算	否	322.4 估算	是	V100 32GB SXM2
qwen35b-a3b-fable-sft-abliterated	34.7	115.6 估算	否	322.4 估算	是	V100 32GB SXM2
Llama-3.2-3B-Instruct	3.2	109.2 估算	是	302.3 估算	是	V100 32GB SXM2
gpt-oss-20b	21.5	97.1 估算	是	268.7 估算	是	V100 32GB SXM2
Qwen3-Coder-Next	79.7	23.8 估算	否	268.3 估算	否	V100 32GB SXM2
Qwen3-Next-80B-A3B-Instruct	81.3	22.9 估算	否	258.2 估算	否	V100 32GB SXM2
gemma-4-26B-A4B-it	25.2	92.0 估算	是	254.5 估算	是	V100 32GB SXM2

估算 = 基于带宽的估算；实测 = 收录的真实基准，覆盖估算值。装得下 = 权重 + KV(8K) + 1 GB 开销 ≤ 95% VRAM。

Q4 / 8K 装机覆盖

	T4 16GB	V100 32GB SXM2
装得下的目录模型	73 个中 25 个	73 个中 43 个
独占装下的最大模型	—	Qwen3.6-35B-A3B-FP8 (36.0B)

T4 16GB 详情 → · V100 32GB SXM2 详情 →