GTX 1660 SUPER 6GB
6.4 GB · 336 GB/s · CUDA · 独立显存
- 总内存
- 6.4 GB
- 单设备可用显存
- 6.4 GB
- 显存带宽
- 336 GB/s
- 最大推理模型级别
- 7.62B
- 功耗
- 125 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。
DeepSeek-R1-Distill-Qwen-7B6.4 GB
Qwen2.5-7B6.4 GB
Qwen2.5-7B-Instruct-1M6.4 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 | 2,285.3 | 0.09 s | 可运行 | Q4 | 理论估算 · FP32 |
| 2 | SmolLM2-135M-Instruct | 0.13B | 2,285.3 | 0.09 s | 可运行 | Q4 | 理论估算 · FP32 |
| 3 | SmolLM2-360M | 0.36B | 891.6 | 0.231 s | 可运行 | Q4 | 理论估算 · FP32 |
| 4 | SmolLM2-360M-Instruct | 0.36B | 891.6 | 0.231 s | 可运行 | Q4 | 理论估算 · FP32 |
| 5 | Qwen2-0.5B | 0.49B | 706 | 0.302 s | 可运行 | Q4 | 理论估算 · FP32 |
| 6 | Qwen2-0.5B-Instruct | 0.49B | 706 | 0.302 s | 可运行 | Q4 | 理论估算 · FP32 |
| 7 | Qwen2.5-0.5B | 0.49B | 706 | 0.302 s | 可运行 | Q4 | 理论估算 · FP32 |
| 8 | Qwen2.5-0.5B-Instruct | 0.49B | 706 | 0.302 s | 可运行 | Q4 | 理论估算 · FP32 |
| 9 | Qwen2.5-Coder-0.5B | 0.49B | 706 | 0.302 s | 可运行 | Q4 | 理论估算 · FP32 |
| 10 | Qwen2.5-Coder-0.5B-Instruct | 0.49B | 706 | 0.302 s | 可运行 | Q4 | 理论估算 · FP32 |
推理能力评估
Q4
7.62BDeepSeek-R1-Distill-Qwen-7B
Q8
4.02BQwen3-4B
FP16
2.34BESFT-gate-code-lite
微调能力评估
QLoRA 4-bit
4.41BQwen3Guard-Gen-4B
LoRA 16-bit
1.67BFalcon3-1B-Base
全参数微调
0.13BSmolLM2-135M
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 7.62B · DeepSeek-R1-Distill-Qwen-7B
带宽与速率
336 GB/s · DeepSeek-R1-Distill-Qwen-7B · 46.5 tok/s
显存上限
所需 / 可用 · 6.4 / 6.4 GB
常见问题
最适合运行哪些模型?
SmolLM2-135M · 2,285.3 tok/s / SmolLM2-135M-Instruct · 2,285.3 tok/s / SmolLM2-360M · 891.6 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% × 6.4 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。