Model · microsoft · 2026auto（HuggingFace 自动同步，未人工核实）
Phi-4-mini-instruct（3.83602176B）显存要求 · 本地部署需要什么显卡
原生上下文 131,072 tokens · GQA
推理显存需求（llama.cpp 口径，batch = 1，含 KV/缓冲/开销）
| 量化档 | 权重体积 | 4K 上下文 | 32K 上下文 | 128K 上下文 |
|---|---|---|---|---|
| FP16 / BF16 | 7.1 GiB | 8.6 GiB | 13.4 GiB | 29.9 GiB |
| GGUF Q8_0 | 3.8 GiB | 5.2 GiB | 10.1 GiB | 26.6 GiB |
| GGUF Q4_K_M | 2.2 GiB | 3.6 GiB | 8.4 GiB | 24.9 GiB |
| GGUF Q2_K | 1.2 GiB | 2.6 GiB | 7.4 GiB | 23.9 GiB |
显存需求 = 权重 + KV cache + 计算/输入缓冲 + 框架开销（≈0.8 GB）。权重与 KV 为精确公式，典型误差 ±3%；≥24 GB 显存可从 4-bit 档起步。
微调显存估算（4096 上下文 × batch 1，梯度检查点开）
| 全参微调（AdamW 混合精度） | 58.8 GiB |
| LoRA（r=16，7 模块） | 9.4 GiB |
| QLoRA（NF4，r=16） | 4.1 GiB |
微调框架与部署引擎推荐
微调：Hugging Face TRL + Accelerate（官方多卡 SFT 示例） · LLaMA-Factory
部署：vLLM · ONNX Runtime · Ollama
硬件参考：Phi-4 14B：约 28GB BF16；Phi-3 mini：8GB+