NVIDIA RTX 3080 (10GB)
10.7 GB · 760.3 GB/s · CUDA · 独立显存
- 总内存
- 10.7 GB
- 单设备可用显存
- 10.7 GB
- 显存带宽
- 760.3 GB/s
- 最大推理模型级别
- 10.73B
- 功耗
- 320 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。
Llama 3.1 8B Instruct7.0 GB
Nous-Hermes-2-SOLAR-10.7B9.2 GB
Falcon3-10B-Base8.7 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 | 5,171.2 | 0.008 s | 可运行 | Q4 | 理论估算 · BF16 |
| 2 | SmolLM2-135M-Instruct | 0.13B | 5,171.2 | 0.008 s | 可运行 | Q4 | 理论估算 · BF16 |
| 3 | SmolLM2-360M | 0.36B | 2,017.5 | 0.02 s | 可运行 | Q4 | 理论估算 · BF16 |
| 4 | SmolLM2-360M-Instruct | 0.36B | 2,017.5 | 0.02 s | 可运行 | Q4 | 理论估算 · BF16 |
| 5 | Qwen2-0.5B | 0.49B | 1,597.6 | 0.026 s | 可运行 | Q4 | 理论估算 · BF16 |
| 6 | Qwen2-0.5B-Instruct | 0.49B | 1,597.6 | 0.026 s | 可运行 | Q4 | 理论估算 · BF16 |
| 7 | Qwen2.5-0.5B | 0.49B | 1,597.6 | 0.026 s | 可运行 | Q4 | 理论估算 · BF16 |
| 8 | Qwen2.5-0.5B-Instruct | 0.49B | 1,597.6 | 0.026 s | 可运行 | Q4 | 理论估算 · BF16 |
| 9 | Qwen2.5-Coder-0.5B | 0.49B | 1,597.6 | 0.026 s | 可运行 | Q4 | 理论估算 · BF16 |
| 10 | Qwen2.5-Coder-0.5B-Instruct | 0.49B | 1,597.6 | 0.026 s | 可运行 | Q4 | 理论估算 · BF16 |
推理能力评估
Q4
10.73BNous-Hermes-2-SOLAR-10.7B
Q8
7.62BDeepSeek-R1-Distill-Qwen-7B
FP16
4.02BQwen3-4B
微调能力评估
QLoRA 4-bit
10.31BFalcon3-10B-Base
LoRA 16-bit
3.3Bgranite-3.1-3b-a800m-instruct
全参数微调
0.36BSmolLM2-360M
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 10.73B · Nous-Hermes-2-SOLAR-10.7B
带宽与速率
760.3 GB/s · Llama 3.1 8B Instruct · 99.1 tok/s
显存上限
所需 / 可用 · 7.0 / 10.7 GB
常见问题
最适合运行哪些模型?
SmolLM2-135M · 5,171.2 tok/s / SmolLM2-135M-Instruct · 5,171.2 tok/s / SmolLM2-360M · 2,017.5 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% × 10.7 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。