NVIDIA RTX A5000 (24GB)

25.8 GB · 768 GB/s · CUDA · 独立显存

总内存
25.8 GB
单设备可用显存
25.8 GB
显存带宽
768 GB/s
最大推理模型级别
34.39B
功耗
230 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。

GB0.023.046.069.02k4k8k16k32k64k128kLlama 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-34B-200K · 2048 · 25.0 GBYi-34B-200K · 4096 · 25.6 GBYi-34B-200K · 8192 · 26.7 GBYi-34B-200K · 16384 · 29.0 GBYi-34B-200K · 32768 · 33.5 GBYi-34B-200K · 65536 · 42.5 GBYi-34B-200K · 131072 · 60.5 GBYi-1.5-34B · 2048 · 25.0 GBYi-1.5-34B · 4096 · 25.6 GB可用上限 · 25.8 GB
Llama 3.1 8B Instruct7.0 GB
Yi-34B-200K25.6 GB
Yi-1.5-34B25.6 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
1SmolLM2-135M0.13B5,223.50.016 s可运行Q4理论估算 · FP32
2SmolLM2-135M-Instruct0.13B5,223.50.016 s可运行Q4理论估算 · FP32
3SmolLM2-360M0.36B2,037.90.042 s可运行Q4理论估算 · FP32
4SmolLM2-360M-Instruct0.36B2,037.90.042 s可运行Q4理论估算 · FP32
5Qwen2-0.5B0.49B1,613.80.055 s可运行Q4理论估算 · FP32
6Qwen2-0.5B-Instruct0.49B1,613.80.055 s可运行Q4理论估算 · FP32
7Qwen2.5-0.5B0.49B1,613.80.055 s可运行Q4理论估算 · FP32
8Qwen2.5-0.5B-Instruct0.49B1,613.80.055 s可运行Q4理论估算 · FP32
9Qwen2.5-Coder-0.5B0.49B1,613.80.055 s可运行Q4理论估算 · FP32
10Qwen2.5-Coder-0.5B-Instruct0.49B1,613.80.055 s可运行Q4理论估算 · FP32

推理能力评估

Q4

34.39B

Yi-34B-200K

Q8

15.71B

DeepSeek-Coder-V2-Lite-Base

FP16

10.31B

Falcon3-10B-Base

微调能力评估

QLoRA 4-bit

30.53B

Qwen3-30B-A3B

LoRA 16-bit

8.83B

Yi-1.5-9B

全参数微调

1.06B

ESFT-gate-translation-lite

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 34.39B · Yi-34B-200K

带宽与速率

768 GB/s · Llama 3.1 8B Instruct · 100.1 tok/s

显存上限

所需 / 可用 · 7.0 / 25.8 GB

常见问题

最适合运行哪些模型?

SmolLM2-135M · 5,223.5 tok/s / SmolLM2-135M-Instruct · 5,223.5 tok/s / SmolLM2-360M · 2,037.9 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% × 25.8 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。