ModelVRAM
EN 中文

24 GB 显存最佳本地大模型

单张 24 GB 显卡、Q4_K_M、32K 上下文下，最大的稠密模型是 Muse Glimmer 30B（29.8B，19.5 GB，在一张 RTX 4090 上约 29–40 token/s）；最大的 MoE 是并列的 Ornith 1.5 35B-A3B 和 Qwen3.6 35B-A3B（总参数 36.0B、激活 3.0B，23.5 GB，约 103–184 token/s）；占用 12 GB 以上的模型中，上下文最长的是 Nemotron 3 Nano 30B-A3B（完整 256K 上下文占 21.7 GB）；Q8_0 下最大的是 Gemma 4 12B（12.0B，14.6 GB）。

更新于 （本页所列模型中最近一次数据核对的日期），共 61 个模型。按显存和参数量排序，不是质量排名。总显存 = 权重 + FP16 KV 缓存（单个请求）+ 0.5 GB + 10% 开销；GB = GiB。显卡上至少还剩 0.5 GB 才算能放进，与 Can I run it? 页面（英文）一致。速度是在一张 RTX 4090（1008 GB/s）上、32K 上下文已填满时的带宽估算，不是实测。不确定显存大小？让浏览器识别你的 GPU。

gpt-oss-20b 按发布格式 MXFP4 列在 Q4_K_M 表中，不列入 Q8_0 表：它的 GGUF 量化版本同样以 MXFP4 保存专家权重，各类型大小相近。

24 GB 显存的首选模型

类别 模型 总参数 激活参数 显存 token/s（RTX 4090）
最大稠密模型（Q4_K_M） Muse Glimmer 30B 29.8B 稠密 19.5 GB 29–40
最大 MoE（Q4_K_M） Ornith 1.5 35B-A3B (MoE) 36.0B 3.0B 23.5 GB，与 Qwen3.6 35B-A3B 并列 103–184
12 GB 以上模型中最长上下文（Q4_K_M） Nemotron 3 Nano 30B-A3B (MoE) 31.6B 3.5B 256K（完整），21.7 GB 109–196
Q8_0 下最大 Gemma 4 12B 12.0B 稠密 14.6 GB 38–54

24 GB 显存最好的本地大模型是什么？

按规模算，单张 24 GB 显卡在 Q4_K_M、32K 上下文下能放下的最大模型是并列的 Ornith 1.5 35B-A3B 和 Qwen3.6 35B-A3B（MoE，总参数 36.0B、激活 3.0B，23.5 GB，剩余 0.5 GB）；我们收录的 61 个模型中有 32 个能放进。本页按显存和参数量排序，不含跑分，我们的数据也不包含质量评测。

24 GB 显存能跑 70B 模型吗？

单卡不行：Llama 3.1 70B（70.6B）在 Q4_K_M、32K 上下文下需要 55.2 GB，或用 4 张 24 GB 显卡组成张量并行，即使用 IQ3_XXS 也要 41.3 GB。

逐步计算见 Llama 3.1 70B 显存页（英文）。

24 GB 显存上，Q8_0 和更大的模型哪个更好？

单张 24 GB 显卡、32K 上下文下，Q8_0 能放下的最大模型是 Gemma 4 12B（12.0B，14.6 GB，约 38–54 token/s），Q4_K_M 则是并列的 Ornith 1.5 35B-A3B 和 Qwen3.6 35B-A3B（MoE，总参数 36.0B、激活 3.0B，23.5 GB，约 103–184 token/s），总参数是前者的 3.0 倍。Q8_0 每个权重约 8.5 位，Q4_K_M 约 4.84 位；我们的数据只覆盖显存和速度，不评测输出质量，所以这里不给两者打分。

各 GGUF 类型的位数与取舍见 GGUF 量化类型详解（英文）。

能放进 24 GB 的最新模型

按模型数据加入或核对的日期排序，最新在前（Q4_K_M、32K 上下文）。新加入的模型会自动出现在这里。

模型 加入/核对 总参数 激活参数 显存 (GB) token/s
Qwen3-Coder 30B-A3B (MoE) 30.5B 3.3B 22.72 53–92
Ornith 1.0 35B (MoE) 35.1B 3.0B 22.95 103–184
Ornith 1.0 9B 9.4B 稠密 7.43 73–106
Granite 4.2 8B 8.8B 稠密 11.45 48–68
Granite 4.2 3B 3.7B 稠密 5.52 97–143
Spark-X2.5 4B 4.1B 稠密 4.40 119–181
Ling 3.0 Tiny 7.9B-A1.3B (MoE) 7.9B 1.3B 5.62 206–398
LFM2.5 8B-A1B (MoE) 8.5B 1.5B 6.16 171–323

Q4_K_M 下能放进 24 GB 的全部 32 个模型

模型 总参数 激活参数 显存 (GB) 剩余 (GB) token/s 计算器
Ornith 1.5 35B-A3B (MoE) 36.0B 3.0B 23.47 0.53 103–184 打开
Qwen3.6 35B-A3B (MoE) 36.0B 3.0B 23.47 0.53 103–184 打开
Ornith 1.0 35B (MoE) 35.1B 3.0B 22.95 1.05 103–184 打开
LLM-jp-4.1 32B-A3B Thinking (MoE) 32.1B 3.8B 22.62 1.38 62–107 打开
Nemotron 3 Nano 30B-A3B (MoE) 31.6B 3.5B 20.28 3.72 109–196 打开
GLM-4.7 Flash 31.2B 3.0B 21.67 2.33 75–131 打开
Xing 4.0 29B-A4B (MoE) 31.2B 4.0B 21.39 2.61 69–121 打开
Qwen3 30B-A3B (MoE) 30.5B 3.3B 22.72 1.28 53–92 打开
Qwen3-Coder 30B-A3B (MoE) 30.5B 3.3B 22.72 1.28 53–92 打开
Muse Glimmer 30B 29.8B 稠密 19.51 4.49 29–40 打开
Qwen3.6 27B 27.8B 稠密 19.92 4.08 28–39 打开
Qwen3.8 27B 27.8B 稠密 19.92 4.08 28–39 打开
Hemmingway-1 27B 27.3B 稠密 19.63 4.37 28–40 打开
Gemma 4 26B-A4B (MoE) 25.8B 4.0B 17.50 6.50 78–138 打开
gpt-oss-20b MXFP4 20.9B 3.6B 15.44 8.56 83–146 打开
Gemma 4 12B 12.0B 稠密 8.98 15.02 61–87 打开
ZDTaichu 5.0 9B 9.8B 稠密 7.67 16.33 71–102 打开
Ornith 1.5 9B 9.7B 稠密 7.58 16.42 72–104 打开
Qwen3.5 9B 9.7B 稠密 7.58 16.42 72–104 打开
MiMo V2.6 Distill Qwen 9B 9.4B 稠密 7.43 16.57 73–106 打开
Ornith 1.0 9B 9.4B 稠密 7.43 16.57 73–106 打开
Granite 4.2 8B 8.8B 稠密 11.45 12.55 48–68 打开
LFM2.5 8B-A1B (MoE) 8.5B 1.5B 6.16 17.84 171–323 打开
Qwen3 8B 8.2B 稠密 10.53 13.47 52–74 打开
Llama 3.1 8B 8.0B 稠密 9.88 14.12 56–79 打开
Gemma 4 E4B 8.0B 稠密 6.05 17.95 89–130 打开
Ling 3.0 Tiny 7.9B-A1.3B (MoE) 7.9B 1.3B 5.62 18.38 206–398 打开
Spark-X2.5 4B 4.1B 稠密 4.40 19.60 119–181 打开
Nemotron 3 Nano 4B 4.0B 稠密 3.51 20.49 147–228 打开
Granite 4.2 3B 3.7B 稠密 5.52 18.48 97–143 打开
MiniCPM5 2B 2.5B 稠密 3.50 20.50 147–228 打开
Limite 1B Violetto 1.0B 稠密 1.62 22.38 288–513 打开

Q8_0 下能放进 24 GB 的全部 17 个模型

模型 总参数 激活参数 显存 (GB) 剩余 (GB) token/s 计算器
Gemma 4 12B 12.0B 稠密 14.58 9.42 38–54 打开
ZDTaichu 5.0 9B 9.8B 稠密 12.26 11.74 45–64 打开
Ornith 1.5 9B 9.7B 稠密 12.11 11.89 46–65 打开
Qwen3.5 9B 9.7B 稠密 12.11 11.89 46–65 打开
MiMo V2.6 Distill Qwen 9B 9.4B 稠密 11.84 12.16 47–66 打开
Ornith 1.0 9B 9.4B 稠密 11.84 12.16 47–66 打开
Granite 4.2 8B 8.8B 稠密 15.57 8.43 36–50 打开
LFM2.5 8B-A1B (MoE) 8.5B 1.5B 10.13 13.87 123–224 打开
Qwen3 8B 8.2B 稠密 14.37 9.63 39–54 打开
Llama 3.1 8B 8.0B 稠密 13.64 10.36 41–57 打开
Gemma 4 E4B 8.0B 稠密 9.80 14.20 56–80 打开
Ling 3.0 Tiny 7.9B-A1.3B (MoE) 7.9B 1.3B 9.32 14.68 147–271 打开
Spark-X2.5 4B 4.1B 稠密 6.33 17.67 85–125 打开
Nemotron 3 Nano 4B 4.0B 稠密 5.38 18.62 99–147 打开
Granite 4.2 3B 3.7B 稠密 7.23 16.77 75–109 打开
MiniCPM5 2B 2.5B 稠密 4.68 19.32 113–169 打开
Limite 1B Violetto 1.0B 稠密 2.11 21.89 231–388 打开

可用内存约 24 GB 的 Mac 与纯 CPU 电脑

这些机器留给模型的内存在 24 GB 到下一档之间：Mac 按 macOS 默认允许 GPU 使用的统一内存（32 GB 及以下约三分之二，更大约 75%，可用 sudo sysctl iogpu.wired_limit_mb 调高），纯 CPU 电脑按系统内存减去约 6 GB 系统占用。上面的列表同样适用，速度则取决于各自的带宽；纯 CPU 在处理长提示词时还会慢得多。

机器 可用内存 带宽 Q4_K_M 可放下（8K） 32K 下最大的模型 token/s
M3 Pro Mac (36 GB) 27 GB 150 GB/s 35 Ornith 1.5 35B-A3B 18–30
M3 Max Mac (36 GB) 27 GB 300 GB/s 35 Ornith 1.5 35B-A3B 34–59
M4 Max Mac (36 GB) 27 GB 410 GB/s 35 Ornith 1.5 35B-A3B 46–79
M5 Max Mac (36 GB) 27 GB 460 GB/s 35 Ornith 1.5 35B-A3B 51–88
CPU only, DDR4-3200 dual channel (32 GB) 26 GB 51.2 GB/s 35 Ornith 1.5 35B-A3B 6.1–11
CPU only, DDR5-5600 dual channel (32 GB) 26 GB 89.6 GB/s 35 Ornith 1.5 35B-A3B 11–20

其他显存容量

所有数字（含 8K 与 128K 上下文）见开放数据集，汇总见大模型显存统计；任意设置可在显存计算器中重算。