GTX 1650 SUPER 4GB
4.3 GB · 192 GB/s · CUDA · 独立显存
- 总内存
- 4.3 GB
- 单设备可用显存
- 4.3 GB
- 显存带宽
- 192 GB/s
- 最大推理模型级别
- 3.84B
- 功耗
- 100 W
推理配置
批量为 1,输入 512 tokens,生成 128 tokens。多卡按 PCIe 4 流水线并行估算。
在计算器中打开模型对比
最多选择四个模型,曲线截至各模型支持的最大上下文。
Phi-4-mini-instruct4.1 GB
Phi-4-mini-reasoning4.1 GB
granite-4.1-3b-llmon-preview3.8 GB
模型速度矩阵
匹配计算器校准条件时采用公开的 32K 缓存测速。其余速度来自计算器理论估算,首词延迟为提示词处理时间。
| # | 量化 | 速度依据 | |||||
|---|---|---|---|---|---|---|---|
| 1 | SmolLM2-135M | 0.13B | 1,305.9 | 0.102 s | 可运行 | Q4 | 理论估算 · FP32 |
| 2 | SmolLM2-135M-Instruct | 0.13B | 1,305.9 | 0.102 s | 可运行 | Q4 | 理论估算 · FP32 |
| 3 | SmolLM2-360M | 0.36B | 509.5 | 0.263 s | 可运行 | Q4 | 理论估算 · FP32 |
| 4 | SmolLM2-360M-Instruct | 0.36B | 509.5 | 0.263 s | 可运行 | Q4 | 理论估算 · FP32 |
| 5 | Qwen2-0.5B | 0.49B | 403.5 | 0.343 s | 可运行 | Q4 | 理论估算 · FP32 |
| 6 | Qwen2-0.5B-Instruct | 0.49B | 403.5 | 0.343 s | 可运行 | Q4 | 理论估算 · FP32 |
| 7 | Qwen2.5-0.5B | 0.49B | 403.5 | 0.343 s | 可运行 | Q4 | 理论估算 · FP32 |
| 8 | Qwen2.5-0.5B-Instruct | 0.49B | 403.5 | 0.343 s | 可运行 | Q4 | 理论估算 · FP32 |
| 9 | Qwen2.5-Coder-0.5B | 0.49B | 403.5 | 0.343 s | 可运行 | Q4 | 理论估算 · FP32 |
| 10 | Qwen2.5-Coder-0.5B-Instruct | 0.49B | 403.5 | 0.343 s | 可运行 | Q4 | 理论估算 · FP32 |
推理能力评估
Q4
3.84BPhi-4-mini-instruct
Q8
2.53Bgranite-3.3-2b-instruct
FP16
1.38Bgranite-3.0-1b-a400m-base
微调能力评估
QLoRA 4-bit
2.03BQwen3-1.7B
LoRA 16-bit
0.75BQwen3-0.6B
全参数微调
无可微调模型选型建议
最佳推理区间
当前矩阵中生成速度领先的适配模型覆盖 0.13–0.36B.
当前配置下,目录模型最大可达 3.84B · Phi-4-mini-instruct
带宽与速率
192 GB/s · Phi-4-mini-instruct · 51.5 tok/s
显存上限
所需 / 可用 · 4.1 / 4.3 GB
常见问题
最适合运行哪些模型?
SmolLM2-135M · 1,305.9 tok/s / SmolLM2-135M-Instruct · 1,305.9 tok/s / SmolLM2-360M · 509.5 tok/s
估算准确度如何?
实测参考仅用于匹配的测速配置。理论速率按带宽和所标精度的峰值计算,实际耗时受后端、算子和提示词长度影响。
可用显存是如何确定的?
计算器使用该型号的可用比例 · 100% × 4.3 GB. 系统占用可能使实际可用容量降低。
为什么部分模型没有速度数据?
显存不足或超出模型上下文上限时不提供速度。可运行模型优先采用匹配的实测参考,其余使用理论估算。缺少硬件峰值或带宽时,表中单独标出计算器采用的假设输入。