GeForce RTX 4070 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
- 15.6 TFLOPS
- 发布年份
- 2023
- 其他写法
- 4070 Laptop
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 4070 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。
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| 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 |
|
| DeepSeek V4 Flash 0731 | 无法运行 | — | MXFP4 | 需要 155.1 GB | — | — |
|
| GLM-5.3 Flash | 无法运行 | — | Q4_K_M | 需要 181.4 GB | — | — |
|
| gpt-oss-120b | 无法运行 | — | MXFP4 | 需要 63.6 GB | — | — |
|
| Laguna S 2.1 | 无法运行 | — | Q4_K_M | 需要 68.5 GB | — | — |
|
| Ling-3.0 Flash | 无法运行 | — | Q4_K_M | 需要 75.4 GB | — | — |
|
| Llama 3.3 70B | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
|
| Qwen3.5 122B-A10B | 无法运行 | — | Q4_K_M | 需要 76.6 GB | — | — |
|
| Solar Open 100B | 无法运行 | — | Q4_K_M | 需要 64.0 GB | — | — |
|
| Solar Open 2 250B | 无法运行 | — | IQ4_XS | 需要 136.5 GB | — | — |
|
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 4070 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 4070 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 4070 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 4070 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。