GeForce RTX 4060 Laptop 能跑哪些本地大模型？

笔记本 GPU：与台式机显卡是不同的型号，功耗上限因笔记本而异

按 32 GB DDR5-5600 系统内存、Windows 系统且由这块显卡负责显示输出、8k 上下文和 f16 KV 缓存计算。

规格

显存: 8 GB
内存带宽: 256.0 GB/s
FP16 算力: 11.6 TFLOPS
发布年份: 2023
其他写法: 4060 Laptop, 4060 Mobile

判定一览

基于 Q4_K_M（或最接近的可用量化）、8k 上下文。

运行流畅14 个模型运行良好15 个模型运行较慢14 个模型无法运行15 个模型另有 6 个模型可以用更低的量化运行。

判定说明

运行流畅: 全部载入显卡，且达到 20 tok/s 及以上
运行良好: 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
运行较慢: 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
无法运行: 内存装不下，或低于 2 tok/s

GeForce RTX 4060 Laptop 上的全部模型

稠密模型分摊在 GPU 和 CPU 上运行时，速度会大幅下降，整体速度由 CPU 那一侧决定。只把专家放在系统内存的 MoE 模型，速度下降要温和得多。

左右滑动可查看所有列。

58 个模型，按判定和速度排序
模型	判定	速度	量化	显存/内存	运行方式	上下文	备注
MiniCPM5 1B	运行流畅	估算 201.0 tok/s176.9–225.2校准估算 ±12%	Q4_K_M	1.9 / 8.0 GB	全部载入显卡	最长 128k	思考模式
Ling-3.0 Tiny	运行流畅	估算 168.7 tok/s118.1–219.3理论估算 ±30%	Q4_K_M	5.9 / 8.0 GB	全部载入显卡	最长 128k	思考模式
Llama 3.2 1B	运行流畅	估算 166.2 tok/s146.2–186.1校准估算 ±12%	Q4_K_M	2.2 / 8.0 GB	全部载入显卡	最长 128k	—
EXAONE 4.0 1.2B	运行流畅	估算 136.4 tok/s120.1–152.8校准估算 ±12%	Q4_K_M	2.5 / 8.0 GB	全部载入显卡	最长 64k	思考模式
Gemma 4 E2B	运行流畅	估算 100.0 tok/s70.0–130.0理论估算 ±30%	Q4_K_M	2.7 / 8.0 GB	全部载入显卡	最长 128k	思考模式
LFM2.5 2.6B	运行流畅	估算 99.3 tok/s69.5–129.1理论估算 ±30%	Q4_K_M	3.0 / 8.0 GB	全部载入显卡	最长 128k	思考模式
HyperCLOVA X SEED 1.5B	运行流畅	估算 98.7 tok/s86.9–110.6校准估算 ±12%	Q4_K_M	3.0 / 8.0 GB	全部载入显卡	最长 16k	—
MiniCPM5 2B	运行流畅	估算 93.7 tok/s82.5–105.0校准估算 ±12%	Q4_K_M	2.9 / 8.0 GB	全部载入显卡	最长 64k	思考模式
Spark-X2.5 4B	运行流畅	估算 61.8 tok/s54.3–69.2校准估算 ±12%	Q4_K_M	4.1 / 8.0 GB	全部载入显卡	最长 64k	思考模式
Llama 3.2 3B	运行流畅	估算 60.6 tok/s53.3–67.8校准估算 ±12%	Q4_K_M	4.1 / 8.0 GB	全部载入显卡	最长 32k	—
Qwen3.5 4B	运行流畅	估算 57.8 tok/s50.9–64.8校准估算 ±12%	Q4_K_M	4.2 / 8.0 GB	全部载入显卡	最长 64k	思考模式
Gemma 4 E4B	运行流畅	估算 52.5 tok/s36.7–68.2理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	思考模式
Kanana 1.5 8B	运行流畅	估算 29.9 tok/s26.3–33.5校准估算 ±12%	Q4_K_M	6.9 / 8.0 GB	全部载入显卡	最长 8k	—
Llama 3.1 8B	运行流畅	估算 29.9 tok/s26.3–33.5校准估算 ±12%	Q4_K_M	6.9 / 8.0 GB	全部载入显卡	最长 8k	—
Mellum2.1 12B-A2.5B Thinking	运行良好	估算 72.1 tok/s50.5–93.7理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 1.7 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
MiniCPM-V 4.7 35B-A3B	运行良好	估算 44.7 tok/s31.3–58.2理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
Qwen3.6 35B-A3B	运行良好	估算 42.4 tok/s29.7–55.1理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.3 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
Qwen3.5 35B-A3B	运行良好	估算 38.2 tok/s26.7–49.6理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
gpt-oss-20b	运行良好	估算 36.0 tok/s25.2–46.8理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
Kanana 1.5 15.7B-A3B	运行良好	估算 34.6 tok/s24.2–45.0理论估算 ±30%	Q4_K_M	7.4 / 8.0 GB + 5.3 GB 内存	MoE 专家放在内存	最长 16k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中
Nemotron 3.5 Lightning 30B-A3B	运行良好	估算 31.9 tok/s22.3–41.5理论估算 ±30%	Q4_K_M	6.8 / 8.0 GB + 19.9 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
Qwen3 30B-A3B (2507)	运行良好	估算 31.7 tok/s22.2–41.2理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中
DeepSeek R1 Distill Llama 8B	运行良好	估算 29.9 tok/s26.3–33.5校准估算 ±12%	Q4_K_M	6.9 / 8.0 GB	全部载入显卡	最长 8k	改用 IQ4_XS：运行流畅思考模式
Nanbeige4.2 3B	运行良好	估算 29.3 tok/s20.5–38.0理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	改用 IQ4_XS：运行流畅思考模式
Qwen3.5 9B	运行良好	估算 29.2 tok/s25.7–32.7校准估算 ±12%	Q4_K_M	6.6 / 8.0 GB	全部载入显卡	最长 32k	改用 IQ4_XS：运行流畅思考模式
DeepSeek R1 0528 Qwen3 8B	运行良好	估算 28.7 tok/s25.3–32.2校准估算 ±12%	Q4_K_M	7.1 / 8.0 GB	全部载入显卡	最长 8k	改用 IQ4_XS：运行流畅思考模式
Qwen3 8B	运行良好	估算 28.7 tok/s25.3–32.2校准估算 ±12%	Q4_K_M	7.1 / 8.0 GB	全部载入显卡	最长 8k	改用 IQ4_XS：运行流畅思考模式
K2-Horizon 7B	运行良好	估算 26.4 tok/s23.2–29.5校准估算 ±12%	Q4_K_M	7.4 / 8.0 GB	全部载入显卡	最长 8k	思考模式
Gemma 4 12B	运行良好	估算 20.9 tok/s16.7–25.1校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 0.4 GB 内存	部分卸载	最长 16k	UD-Q2_K_XL（质量损失大）：运行流畅思考模式
Gemma 4 26B-A4B	运行较慢	估算 29.7 tok/s20.8–38.6理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 11.0 GB 内存	MoE 专家放在内存	最长 128k	专家在系统内存中运行：这种方式需要达到 30 tok/s 及以上才算“运行良好” 改用 IQ4_XS：运行良好思考模式
Gemma 3 12B	运行较慢	估算 16.2 tok/s12.9–19.4校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 1.0 GB 内存	部分卸载	最长 64k	载入显卡不足 90%：由显卡和 CPU 分担运行时，最高只能判为“运行较慢” 改用 IQ4_XS：运行良好 Q2_K（质量损失大）：运行流畅
K2-Horizon MoVA 36B-A4B	运行较慢	估算 9.6 tok/s6.7–12.5理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	思考模式
HyperCLOVA X SEED Think 14B	运行较慢	估算 8.2 tok/s5.8–10.7理论估算 ±30%	Q4_K_M	8.0 / 8.0 GB + 3.4 GB 内存	部分卸载	最长 32k	思考模式
Qwen3 14B	运行较慢	估算 8.0 tok/s6.4–9.6校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 3.5 GB 内存	部分卸载	最长 32k	Q2_K（质量损失大）：运行良好思考模式
DeepSeek R1 Distill Qwen 14B	运行较慢	估算 7.5 tok/s6.0–9.0校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 3.8 GB 内存	部分卸载	最长 16k	Q2_K（质量损失大）：运行良好思考模式
Phi-4	运行较慢	估算 7.3 tok/s5.8–8.7校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 3.9 GB 内存	部分卸载	最长 16k	—
Mistral Small 3.2 24B	运行较慢	估算 4.0 tok/s3.2–4.8校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 8.8 GB 内存	部分卸载	最长 32k	—
Muse Glimmer 30B	运行较慢	估算 3.6 tok/s2.9–4.4校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 10.6 GB 内存	部分卸载	最长 64k	思考模式
Gemma 3 27B	运行较慢	估算 3.6 tok/s2.9–4.3校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 10.4 GB 内存	部分卸载	最长 64k	—
Qwen3.6 27B	运行较慢	估算 3.6 tok/s2.9–4.3校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 10.5 GB 内存	部分卸载	最长 16k	思考模式
Qwen3.5 27B	运行较慢	估算 3.5 tok/s2.8–4.2校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 10.8 GB 内存	部分卸载	最长 16k	思考模式
Qwen3.8 27B	运行较慢	估算 3.4 tok/s2.7–4.1校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 11.2 GB 内存	部分卸载	最长 16k	思考模式
Gemma 4 31B	运行较慢	估算 3.2 tok/s2.5–3.8校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 8k	思考模式
Kolibri 1	无法运行改用 Q2_K（质量损失大）：运行良好	估算 42.1 tok/s29.5–54.7理论估算 ±30%	Q2_K	7.3 / 8.0 GB + 23.9 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中配 64 GB 内存时：运行良好思考模式
Granite 4.2 30B	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 5.1 tok/s4.1–6.1校准估算 ±20%	Q2_K	8.0 / 8.0 GB + 6.2 GB 内存	部分卸载	最长 16k	思考模式
DeepSeek R1 Distill Qwen 32B	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 4.3 tok/s3.5–5.2校准估算 ±20%	Q2_K	8.0 / 8.0 GB + 7.6 GB 内存	部分卸载	最长 16k	思考模式
Qwen3 32B	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 4.3 tok/s3.5–5.2校准估算 ±20%	Q2_K	8.0 / 8.0 GB + 7.7 GB 内存	部分卸载	最长 16k	思考模式
EXAONE 4.0 32B	无法运行改用 IQ4_XS：运行较慢	估算 3.4 tok/s2.7–4.1校准估算 ±20%	IQ4_XS	8.0 / 8.0 GB + 11.1 GB 内存	部分卸载	最长 16k	思考模式
EXAONE 4.5 33B	无法运行改用 IQ4_XS：运行较慢	估算 3.3 tok/s2.6–3.9校准估算 ±20%	IQ4_XS	8.0 / 8.0 GB + 11.7 GB 内存	部分卸载	最长 16k	思考模式
DeepSeek V4 Flash 0731	无法运行	—	MXFP4	需要 155.1 GB	—	—	约需 155.1 GB；可用显存 7.4 GB，可用内存 28.0 GB 思考模式
GLM-5.3 Flash	无法运行	—	Q4_K_M	需要 181.4 GB	—	—	约需 181.4 GB；可用显存 7.4 GB，可用内存 28.0 GB 思考模式
gpt-oss-120b	无法运行	—	MXFP4	需要 63.6 GB	—	—	约需 63.6 GB；可用显存 7.4 GB，可用内存 28.0 GB 配 96 GB 内存时：运行较慢思考模式
Laguna S 2.1	无法运行	—	Q4_K_M	需要 68.5 GB	—	—	约需 68.5 GB；可用显存 7.4 GB，可用内存 28.0 GB 配 96 GB 内存时：运行较慢思考模式
Ling-3.0 Flash	无法运行	—	Q4_K_M	需要 75.4 GB	—	—	约需 75.4 GB；可用显存 7.4 GB，可用内存 28.0 GB 配 96 GB 内存时：运行较慢思考模式
Llama 3.3 70B	无法运行	—	Q4_K_M	需要 45.2 GB	—	—	约需 45.2 GB；可用显存 7.4 GB，可用内存 28.0 GB
Qwen3.5 122B-A10B	无法运行	—	Q4_K_M	需要 76.6 GB	—	—	约需 76.6 GB；可用显存 7.4 GB，可用内存 28.0 GB 配 96 GB 内存时：运行较慢思考模式
Solar Open 100B	无法运行	—	Q4_K_M	需要 64.0 GB	—	—	约需 64.0 GB；可用显存 7.4 GB，可用内存 28.0 GB 配 64 GB 内存时：运行较慢思考模式
Solar Open 2 250B	无法运行	—	IQ4_XS	需要 136.5 GB	—	—	约需 136.5 GB；可用显存 7.4 GB，可用内存 28.0 GB 思考模式

带思考模式的模型会额外花 token 来思考，所以速度门槛按 1.5 倍从严设定（30 / 12 / 3 tok/s）。关闭思考模式后，判定可能会高一级。

GeForce RTX 4060 Laptop 的实测结果

这台设备暂无公开基准测试结果。

常见问题

能完全在 GeForce RTX 4060 Laptop 上运行的最大模型是什么？

Gemma 4 12B IQ4_XS（6.38 GB 文件）在 8k 上下文下可完整装入 8 GB，估算 27.5 tok/s（24.2–30.8，校准估算 ±12%）。

GeForce RTX 4060 Laptop 上有多少本地大模型能运行良好？

按 Q4_K_M、8k 上下文计算，在 58 个已收录的模型中，14 个运行流畅、15 个运行良好、14 个运行较慢，15 个无法运行。

GeForce RTX 4060 Laptop 能运行 Llama 3.3 70B 这样的 70B 模型吗？

不能。Llama 3.3 70B Q4_K_M 约需 45.2 GB，而这套配置只有 7.4 GB 的 GPU 可用内存和 28.0 GB 的空闲系统内存。

速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。