GeForce RTX 4070 Super 能跑哪些本地大模型？
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
- 12 GB
- 内存带宽
- 504.0 GB/s
- FP16 算力
- 35.5 TFLOPS
- 发布年份
- 2024
- 价格
- 首发价 US$599
- 其他写法
- 4070 Super
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27 个模型运行良好8 个模型运行较慢13 个模型无法运行10 个模型另有 2 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 Super 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 395.8 tok/s348.3–443.3校准估算 ±12% | Q4_K_M | 1.9 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| Llama 3.2 1B | 运行流畅 | 估算 327.1 tok/s287.9–366.4校准估算 ±12% | Q4_K_M | 2.2 / 12.0 GB | 全部载入显卡 | 最长 128k | — |
| Ling-3.0 Tiny | 运行流畅 | 估算 269.7 tok/s188.8–350.5理论估算 ±30% | Q4_K_M | 5.9 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| EXAONE 4.0 1.2B | 运行流畅 | 估算 268.6 tok/s236.4–300.9校准估算 ±12% | Q4_K_M | 2.5 / 12.0 GB | 全部载入显卡 | 最长 64k |
|
| LFM2.5 2.6B | 运行流畅 | 估算 195.5 tok/s136.9–254.2理论估算 ±30% | Q4_K_M | 3.0 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| HyperCLOVA X SEED 1.5B | 运行流畅 | 估算 194.3 tok/s171.0–217.7校准估算 ±12% | Q4_K_M | 3.0 / 12.0 GB | 全部载入显卡 | 最长 16k | — |
| MiniCPM5 2B | 运行流畅 | 估算 184.5 tok/s162.3–206.6校准估算 ±12% | Q4_K_M | 2.9 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| Gemma 4 E2B | 运行流畅 | 估算 174.1 tok/s121.9–226.3理论估算 ±30% | Q4_K_M | 2.7 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| Mellum2.1 12B-A2.5B Thinking | 运行流畅 | 估算 161.0 tok/s128.8–193.2校准估算 ±20% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k |
|
| Spark-X2.5 4B | 运行流畅 | 估算 121.6 tok/s107.0–136.2校准估算 ±12% | Q4_K_M | 4.1 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| Llama 3.2 3B | 运行流畅 | 估算 119.2 tok/s104.9–133.5校准估算 ±12% | Q4_K_M | 4.1 / 12.0 GB | 全部载入显卡 | 最长 64k | — |
| Qwen3.5 4B | 运行流畅 | 估算 113.9 tok/s100.2–127.5校准估算 ±12% | Q4_K_M | 4.2 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| Gemma 4 E4B | 运行流畅 | 估算 96.6 tok/s67.7–125.6理论估算 ±30% | Q4_K_M | 4.3 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| DeepSeek R1 Distill Llama 8B | 运行流畅 | 估算 58.9 tok/s51.8–65.9校准估算 ±12% | Q4_K_M | 6.9 / 12.0 GB | 全部载入显卡 | 最长 32k |
|
| Kanana 1.5 8B | 运行流畅 | 估算 58.9 tok/s51.8–65.9校准估算 ±12% | Q4_K_M | 6.9 / 12.0 GB | 全部载入显卡 | 最长 32k | — |
| Llama 3.1 8B | 运行流畅 | 估算 58.9 tok/s51.8–65.9校准估算 ±12% | Q4_K_M | 6.9 / 12.0 GB | 全部载入显卡 | 最长 32k | — |
| Nanbeige4.2 3B | 运行流畅 | 估算 57.6 tok/s40.3–74.9理论估算 ±30% | Q4_K_M | 5.0 / 12.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3.5 9B | 运行流畅 | 估算 57.5 tok/s50.6–64.4校准估算 ±12% | Q4_K_M | 6.6 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| DeepSeek R1 0528 Qwen3 8B | 运行流畅 | 估算 56.6 tok/s49.8–63.3校准估算 ±12% | Q4_K_M | 7.1 / 12.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3 8B | 运行流畅 | 估算 56.6 tok/s49.8–63.3校准估算 ±12% | Q4_K_M | 7.1 / 12.0 GB | 全部载入显卡 | 最长 32k |
|
| K2-Horizon 7B | 运行流畅 | 估算 51.9 tok/s45.7–58.1校准估算 ±12% | Q4_K_M | 7.4 / 12.0 GB | 全部载入显卡 | 最长 32k |
|
| Gemma 4 12B | 运行流畅 | 估算 48.6 tok/s42.8–54.5校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k |
|
| Gemma 3 12B | 运行流畅 | 估算 45.0 tok/s39.6–50.4校准估算 ±12% | Q4_K_M | 9.0 / 12.0 GB | 全部载入显卡 | 最长 32k | — |
| HyperCLOVA X SEED Think 14B | 运行流畅 | 估算 34.6 tok/s24.2–45.0理论估算 ±30% | Q4_K_M | 11.0 / 12.0 GB | 全部载入显卡 | 最长 8k |
|
| Qwen3 14B | 运行流畅 | 估算 34.1 tok/s30.0–38.2校准估算 ±12% | Q4_K_M | 11.1 / 12.0 GB | 全部载入显卡 | 最长 8k |
|
| DeepSeek R1 Distill Qwen 14B | 运行流畅 | 估算 33.3 tok/s29.3–37.3校准估算 ±12% | Q4_K_M | 11.3 / 12.0 GB | 全部载入显卡 | 最长 8k |
|
| Phi-4 | 运行流畅 | 估算 32.9 tok/s28.9–36.8校准估算 ±12% | Q4_K_M | 11.6 / 12.0 GB | 全部载入显卡 | 最长 8k | — |
| Kanana 1.5 15.7B-A3B | 运行良好 | 估算 80.6 tok/s56.4–104.8理论估算 ±30% | Q4_K_M | 11.6 / 12.0 GB + 1.1 GB 内存 | MoE 专家放在内存 | 最长 32k |
|
| gpt-oss-20b | 运行良好 | 估算 78.5 tok/s55.0–102.1理论估算 ±30% | MXFP4 | 11.2 / 12.0 GB + 2.3 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 66.3 tok/s46.4–86.2理论估算 ±30% | Q4_K_M | 11.5 / 12.0 GB + 11.0 GB 内存 | MoE 专家放在内存 | 最长 128k |
|
| Qwen3.6 35B-A3B | 运行良好 | 估算 62.5 tok/s43.7–81.2理论估算 ±30% | Q4_K_M | 11.2 / 12.0 GB + 12.4 GB 内存 | MoE 专家放在内存 | 最长 128k |
|
| Qwen3.5 35B-A3B | 运行良好 | 估算 57.1 tok/s40.0–74.3理论估算 ±30% | Q4_K_M | 11.2 / 12.0 GB + 12.8 GB 内存 | MoE 专家放在内存 | 最长 128k |
|
| Gemma 4 26B-A4B | 运行良好 | 估算 47.8 tok/s33.5–62.1理论估算 ±30% | Q4_K_M | 11.1 / 12.0 GB + 7.2 GB 内存 | MoE 专家放在内存 | 最长 128k |
|
| Qwen3 30B-A3B (2507) | 运行良好 | 估算 46.8 tok/s32.8–60.9理论估算 ±30% | Q4_K_M | 11.6 / 12.0 GB + 9.0 GB 内存 | MoE 专家放在内存 | 最长 64k |
|
| Nemotron 3.5 Lightning 30B-A3B | 运行良好 | 估算 44.4 tok/s31.1–57.7理论估算 ±30% | Q4_K_M | 10.8 / 12.0 GB + 15.9 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| K2-Horizon MoVA 36B-A4B | 运行较慢 | 估算 26.9 tok/s18.8–35.0理论估算 ±30% | Q4_K_M | 11.6 / 12.0 GB + 13.5 GB 内存 | MoE 专家放在内存 | 最长 16k |
|
| Mistral Small 3.2 24B | 运行较慢 | 估算 6.8 tok/s5.4–8.1校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 4.8 GB 内存 | 部分卸载 | 最长 32k |
|
| Gemma 3 27B | 运行较慢 | 估算 5.6 tok/s4.5–6.7校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 6.4 GB 内存 | 部分卸载 | 最长 64k |
|
| Muse Glimmer 30B | 运行较慢 | 估算 5.6 tok/s4.5–6.7校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 6.6 GB 内存 | 部分卸载 | 最长 128k |
|
| Qwen3.6 27B | 运行较慢 | 估算 5.5 tok/s4.4–6.6校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 6.5 GB 内存 | 部分卸载 | 最长 64k |
|
| Qwen3.5 27B | 运行较慢 | 估算 5.3 tok/s4.3–6.4校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 6.8 GB 内存 | 部分卸载 | 最长 64k |
|
| Qwen3.8 27B | 运行较慢 | 估算 5.1 tok/s4.1–6.2校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 7.2 GB 内存 | 部分卸载 | 最长 32k |
|
| Gemma 4 31B | 运行较慢 | 估算 4.6 tok/s3.7–5.5校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 8.2 GB 内存 | 部分卸载 | 最长 32k |
|
| EXAONE 4.0 32B | 运行较慢 | 估算 4.2 tok/s3.4–5.0校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 9.1 GB 内存 | 部分卸载 | 最长 32k |
|
| EXAONE 4.5 33B | 运行较慢 | 估算 3.9 tok/s3.2–4.7校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 9.8 GB 内存 | 部分卸载 | 最长 32k |
|
| Granite 4.2 30B | 运行较慢 | 估算 3.9 tok/s3.2–4.7校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 9.0 GB 内存 | 部分卸载 | 最长 8k |
|
| Qwen3 32B | 运行较慢 | 估算 3.3 tok/s2.7–4.0校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 11.1 GB 内存 | 部分卸载 | 最长 8k |
|
| DeepSeek R1 Distill Qwen 32B | 运行较慢 | 估算 3.3 tok/s2.6–4.0校准估算 ±20% | Q4_K_M | 12.0 / 12.0 GB + 11.2 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 62.2 tok/s43.5–80.9理论估算 ±30% | Q2_K | 11.2 / 12.0 GB + 20.1 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| Llama 3.3 70B | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.5校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — |
| 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 | — | — |
|
| 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 Super 的实测结果
我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。
| 模型 | 量化 | 后端 | 上下文 | 提示词处理（tok/s） | 生成（tok/s） | 运行参数 | 来源 | 测量日期 |
|---|---|---|---|---|---|---|---|---|
| Qwen3 8B | Q4_K_XL | llama.cpp | 4k | 4,322.0 | 75.4 | CUDA | hardware-corner.net | 2025-12-09 |
常见问题
能完全在 GeForce RTX 4070 Super 上运行的最大模型是什么？
Kanana 1.5 15.7B-A3B IQ4_XS（8.71 GB 文件）在 8k 上下文下可完整装入 12 GB，估算 104.9 tok/s（83.9–125.8，校准估算 ±20%）。
GeForce RTX 4070 Super 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，27 个运行流畅、8 个运行良好、13 个运行较慢，10 个无法运行。
GeForce RTX 4070 Super 能运行 Llama 3.3 70B 这样的 70B 模型吗？
运行较慢——部分卸载，Q2_K（质量损失大）：估算 2.1 tok/s（1.7–2.5，校准估算 ±20%）。
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。