NVIDIA A16 (64GB)

64.0 GB · 800 GB/s · CUDA · 独立显存

整板含 4 颗 GA107 GPU,每颗独享 16 GB。使用全部 64 GB 需要分片,800 GB/s 为整板合计带宽。

总内存
64.0 GB
单设备可用显存
64.0 GB
显存带宽
800 GB/s
最大推理模型级别
72.71B
功耗
250 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。

GB0.037.675.1112.72k4k8k16k32k64k128kLlama 3.1 8B Instruct · 2048 · 6.7 GBLlama 3.1 8B Instruct · 4096 · 7.0 GBLlama 3.1 8B Instruct · 8192 · 7.6 GBLlama 3.1 8B Instruct · 16384 · 8.8 GBLlama 3.1 8B Instruct · 32768 · 11.2 GBLlama 3.1 8B Instruct · 65536 · 16.0 GBLlama 3.1 8B Instruct · 131072 · 25.6 GBQwen2.5-72B · 2048 · 51.5 GBQwen2.5-72B · 4096 · 52.2 GBQwen2.5-72B · 8192 · 53.7 GBQwen2.5-72B · 16384 · 56.7 GBQwen2.5-72B · 32768 · 62.7 GBQwen2.5-72B · 65536 · 74.8 GBQwen2.5-72B · 131072 · 98.8 GBQwen2-72B · 2048 · 51.5 GBQwen2-72B · 4096 · 52.2 GBQwen2-72B · 8192 · 53.7 GBQwen2-72B · 16384 · 56.7 GBQwen2-72B · 32768 · 62.7 GBQwen2-72B · 65536 · 74.8 GBQwen2-72B · 131072 · 98.8 GB可用上限 · 64.0 GB
Llama 3.1 8B Instruct7.0 GB
Qwen2.5-72B52.2 GB
Qwen2-72B52.2 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
1SmolLM2-135M0.13B5,441.20.006 s可运行Q4理论估算 · FP16
2SmolLM2-135M-Instruct0.13B5,441.20.006 s可运行Q4理论估算 · FP16
3SmolLM2-360M0.36B2,122.80.016 s可运行Q4理论估算 · FP16
4SmolLM2-360M-Instruct0.36B2,122.80.016 s可运行Q4理论估算 · FP16
5Qwen2-0.5B0.49B1,681.10.021 s可运行Q4理论估算 · FP16
6Qwen2-0.5B-Instruct0.49B1,681.10.021 s可运行Q4理论估算 · FP16
7Qwen2.5-0.5B0.49B1,681.10.021 s可运行Q4理论估算 · FP16
8Qwen2.5-0.5B-Instruct0.49B1,681.10.021 s可运行Q4理论估算 · FP16
9Qwen2.5-Coder-0.5B0.49B1,681.10.021 s可运行Q4理论估算 · FP16
10Qwen2.5-Coder-0.5B-Instruct0.49B1,681.10.021 s可运行Q4理论估算 · FP16

推理能力评估

Q4

72.71B

Qwen2.5-72B

Q8

46.7B

Nous-Hermes-2-Mixtral-8x7B-DPO

FP16

27.78B

Qwen3.5 27B

微调能力评估

QLoRA 4-bit

72.71B

Qwen2.5-72B

LoRA 16-bit

23.57B

DeepHermes-3-Mistral-24B-Preview

全参数微调

2.63B

granite-3.0-2b-instruct

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 72.71B · Qwen2.5-72B

带宽与速率

800 GB/s · Llama 3.1 8B Instruct · 104.2 tok/s

显存上限

所需 / 可用 · 7.0 / 64.0 GB

常见问题

最适合运行哪些模型?

SmolLM2-135M · 5,441.2 tok/s / SmolLM2-135M-Instruct · 5,441.2 tok/s / SmolLM2-360M · 2,122.8 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% × 64.0 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。