NVIDIA RTX 5060 Ti (8GB)

8.6 GB · 448 GB/s · CUDA · 独立显存

总内存
8.6 GB
单设备可用显存
8.6 GB
显存带宽
448 GB/s
最大推理模型级别
8.83B
功耗
180 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。

GB0.09.719.529.22k4k8k16k32k64k128kLlama 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 GBYi-1.5-9B · 2048 · 7.2 GBYi-1.5-9B · 4096 · 7.4 GBYi-1.5-9B-32K · 2048 · 7.2 GBYi-1.5-9B-32K · 4096 · 7.4 GBYi-1.5-9B-32K · 8192 · 7.9 GBYi-1.5-9B-32K · 16384 · 8.8 GBYi-1.5-9B-32K · 32768 · 10.6 GB可用上限 · 8.6 GB
Llama 3.1 8B Instruct7.0 GB
Yi-1.5-9B7.4 GB
Yi-1.5-9B-32K7.4 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
1SmolLM2-135M0.13B3,047.10.01 s可运行Q4理论估算 · BF16
2SmolLM2-135M-Instruct0.13B3,047.10.01 s可运行Q4理论估算 · BF16
3SmolLM2-360M0.36B1,188.80.025 s可运行Q4理论估算 · BF16
4SmolLM2-360M-Instruct0.36B1,188.80.025 s可运行Q4理论估算 · BF16
5Qwen2-0.5B0.49B941.40.032 s可运行Q4理论估算 · BF16
6Qwen2-0.5B-Instruct0.49B941.40.032 s可运行Q4理论估算 · BF16
7Qwen2.5-0.5B0.49B941.40.032 s可运行Q4理论估算 · BF16
8Qwen2.5-0.5B-Instruct0.49B941.40.032 s可运行Q4理论估算 · BF16
9Qwen2.5-Coder-0.5B0.49B941.40.032 s可运行Q4理论估算 · BF16
10Qwen2.5-Coder-0.5B-Instruct0.49B941.40.032 s可运行Q4理论估算 · BF16

推理能力评估

Q4

8.83B

Yi-1.5-9B

Q8

6.06B

Yi-6B-200K

FP16

3.23B

Falcon3-3B-Base

微调能力评估

QLoRA 4-bit

8.54B

zephyr-7b-gemma-sft-v0.1

LoRA 16-bit

2.34B

ESFT-gate-code-lite

全参数微调

0.13B

SmolLM2-135M

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 8.83B · Yi-1.5-9B

带宽与速率

448 GB/s · Llama 3.1 8B Instruct · 58.4 tok/s

显存上限

所需 / 可用 · 7.0 / 8.6 GB

常见问题

最适合运行哪些模型?

SmolLM2-135M · 3,047.1 tok/s / SmolLM2-135M-Instruct · 3,047.1 tok/s / SmolLM2-360M · 1,188.8 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% × 8.6 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。