Model · Qwen · 2026auto（HuggingFace 自动同步，未人工核实）
Qwen3-4B（4.022468096B）显存要求 · 本地部署需要什么显卡
原生上下文 40,960 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 | 40K 上下文 |
|---|---|---|---|---|
| FP16 / BF16 | 7.5 GiB | 9.1 GiB | 14.8 GiB | 16.4 GiB |
| GGUF Q8_0 | 4.0 GiB | 5.6 GiB | 11.2 GiB | 12.9 GiB |
| GGUF Q4_K_M | 2.3 GiB | 3.9 GiB | 9.5 GiB | 11.2 GiB |
| GGUF Q2_K | 1.2 GiB | 2.8 GiB | 8.5 GiB | 10.1 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） | 61.6 GiB |
| LoRA（r=16，7 模块） | 9.6 GiB |
| QLoRA（NF4，r=16） | 4.1 GiB |
微调框架与部署引擎推荐
微调：LLaMA-Factory（中文生态最佳，支持 DoRA/GaLore） · ModelScope · DashScope 云端微调
部署：vLLM (≥0.5.3) · SGLang · Ollama · MLX
硬件参考：Qwen3-30B-A3B：每 token 仅激活 3.3B，消费卡友好；72B BF16：至少 2×A100/H100