GeForce RTX 4070 Ti 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
- 16 GB
- 内存带宽
- 672.0 GB/s
- FP16 算力
- 44.1 TFLOPS
- 发布年份
- 2024
- 价格
- 首发价 US$799
- 其他写法
- 4070 Ti Super, 4070TiS
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29 个模型运行良好8 个模型运行较慢11 个模型无法运行10 个模型另有 3 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 Ti 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 527.8 tok/s464.4–591.1校准估算 ±12% | Q4_K_M | 1.9 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| Llama 3.2 1B | 运行流畅 | 估算 436.2 tok/s383.8–488.5校准估算 ±12% | Q4_K_M | 2.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — |
| EXAONE 4.0 1.2B | 运行流畅 | 估算 358.2 tok/s315.2–401.2校准估算 ±12% | Q4_K_M | 2.5 / 16.0 GB | 全部载入显卡 | 最长 64k |
|
| Ling-3.0 Tiny | 运行流畅 | 估算 318.9 tok/s223.2–414.6理论估算 ±30% | Q4_K_M | 5.9 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| LFM2.5 2.6B | 运行流畅 | 估算 260.7 tok/s182.5–338.9理论估算 ±30% | Q4_K_M | 3.0 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| HyperCLOVA X SEED 1.5B | 运行流畅 | 估算 259.1 tok/s228.0–290.2校准估算 ±12% | Q4_K_M | 3.0 / 16.0 GB | 全部载入显卡 | 最长 16k | — |
| MiniCPM5 2B | 运行流畅 | 估算 246.0 tok/s216.5–275.5校准估算 ±12% | Q4_K_M | 2.9 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| Gemma 4 E2B | 运行流畅 | 估算 215.2 tok/s150.7–279.8理论估算 ±30% | Q4_K_M | 2.7 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| Mellum2.1 12B-A2.5B Thinking | 运行流畅 | 估算 196.5 tok/s157.2–235.8校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| Spark-X2.5 4B | 运行流畅 | 估算 162.1 tok/s142.6–181.5校准估算 ±12% | Q4_K_M | 4.1 / 16.0 GB | 全部载入显卡 | 最长 256k |
|
| Llama 3.2 3B | 运行流畅 | 估算 158.9 tok/s139.9–178.0校准估算 ±12% | Q4_K_M | 4.1 / 16.0 GB | 全部载入显卡 | 最长 64k | — |
| Qwen3.5 4B | 运行流畅 | 估算 151.8 tok/s133.6–170.0校准估算 ±12% | Q4_K_M | 4.2 / 16.0 GB | 全部载入显卡 | 最长 256k |
|
| gpt-oss-20b | 运行流畅 | 估算 150.7 tok/s120.6–180.8校准估算 ±20% | MXFP4 | 12.9 / 16.0 GB | 全部载入显卡 | 最长 64k |
|
| Gemma 4 E4B | 运行流畅 | 估算 123.5 tok/s86.4–160.5理论估算 ±30% | Q4_K_M | 4.3 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| Kanana 1.5 15.7B-A3B | 运行流畅 | 估算 122.9 tok/s98.3–147.4校准估算 ±20% | Q4_K_M | 12.5 / 16.0 GB | 全部载入显卡 | 最长 32k | — |
| DeepSeek R1 Distill Llama 8B | 运行流畅 | 估算 78.5 tok/s69.1–87.9校准估算 ±12% | Q4_K_M | 6.9 / 16.0 GB | 全部载入显卡 | 最长 64k |
|
| Kanana 1.5 8B | 运行流畅 | 估算 78.5 tok/s69.1–87.9校准估算 ±12% | Q4_K_M | 6.9 / 16.0 GB | 全部载入显卡 | 最长 32k | — |
| Llama 3.1 8B | 运行流畅 | 估算 78.5 tok/s69.1–87.9校准估算 ±12% | Q4_K_M | 6.9 / 16.0 GB | 全部载入显卡 | 最长 64k | — |
| Nanbeige4.2 3B | 运行流畅 | 估算 76.8 tok/s53.7–99.8理论估算 ±30% | Q4_K_M | 5.0 / 16.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3.5 9B | 运行流畅 | 估算 76.6 tok/s67.4–85.8校准估算 ±12% | Q4_K_M | 6.6 / 16.0 GB | 全部载入显卡 | 最长 128k |
|
| DeepSeek R1 0528 Qwen3 8B | 运行流畅 | 估算 75.4 tok/s66.4–84.5校准估算 ±12% | Q4_K_M | 7.1 / 16.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3 8B | 运行流畅 | 估算 75.4 tok/s66.4–84.5校准估算 ±12% | Q4_K_M | 7.1 / 16.0 GB | 全部载入显卡 | 最长 32k |
|
| K2-Horizon 7B | 运行流畅 | 估算 69.2 tok/s60.9–77.5校准估算 ±12% | Q4_K_M | 7.4 / 16.0 GB | 全部载入显卡 | 最长 32k |
|
| Gemma 4 12B | 运行流畅 | 估算 64.8 tok/s57.1–72.6校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k |
|
| Gemma 3 12B | 运行流畅 | 估算 60.0 tok/s52.8–67.2校准估算 ±12% | Q4_K_M | 9.0 / 16.0 GB | 全部载入显卡 | 最长 64k | — |
| HyperCLOVA X SEED Think 14B | 运行流畅 | 估算 46.1 tok/s32.3–60.0理论估算 ±30% | Q4_K_M | 11.0 / 16.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3 14B | 运行流畅 | 估算 45.5 tok/s40.0–50.9校准估算 ±12% | Q4_K_M | 11.1 / 16.0 GB | 全部载入显卡 | 最长 32k |
|
| DeepSeek R1 Distill Qwen 14B | 运行流畅 | 估算 44.4 tok/s39.0–49.7校准估算 ±12% | Q4_K_M | 11.3 / 16.0 GB | 全部载入显卡 | 最长 16k |
|
| Phi-4 | 运行流畅 | 估算 43.8 tok/s38.6–49.1校准估算 ±12% | Q4_K_M | 11.6 / 16.0 GB | 全部载入显卡 | 最长 16k | — |
| MiniCPM-V 4.7 35B-A3B | 运行良好 | 估算 88.2 tok/s61.8–114.7理论估算 ±30% | Q4_K_M | 15.4 / 16.0 GB + 7.1 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| Qwen3.6 35B-A3B | 运行良好 | 估算 82.6 tok/s57.8–107.3理论估算 ±30% | Q4_K_M | 15.1 / 16.0 GB + 8.5 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| Gemma 4 26B-A4B | 运行良好 | 估算 75.7 tok/s53.0–98.3理论估算 ±30% | Q4_K_M | 15.4 / 16.0 GB + 2.9 GB 内存 | MoE 专家放在内存 | 最长 128k |
|
| Qwen3.5 35B-A3B | 运行良好 | 估算 75.1 tok/s52.5–97.6理论估算 ±30% | Q4_K_M | 15.1 / 16.0 GB + 8.9 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| Qwen3 30B-A3B (2507) | 运行良好 | 估算 67.8 tok/s47.5–88.2理论估算 ±30% | Q4_K_M | 15.6 / 16.0 GB + 4.9 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 57.8 tok/s40.5–75.2理论估算 ±30% | Q4_K_M | 14.8 / 16.0 GB + 11.9 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| K2-Horizon MoVA 36B-A4B | 运行良好 | 估算 35.6 tok/s24.9–46.2理论估算 ±30% | Q4_K_M | 15.5 / 16.0 GB + 9.6 GB 内存 | MoE 专家放在内存 | 最长 8k |
|
| Mistral Small 3.2 24B | 运行良好 | 估算 19.2 tok/s15.4–23.1校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 0.8 GB 内存 | 部分卸载 | 最长 8k |
|
| Gemma 3 27B | 运行较慢 | 估算 11.5 tok/s9.2–13.8校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 2.4 GB 内存 | 部分卸载 | 最长 64k |
|
| Qwen3.6 27B | 运行较慢 | 估算 11.2 tok/s8.9–13.4校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 2.5 GB 内存 | 部分卸载 | 最长 64k |
|
| Muse Glimmer 30B | 运行较慢 | 估算 11.1 tok/s8.9–13.4校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 2.6 GB 内存 | 部分卸载 | 最长 128k |
|
| Qwen3.5 27B | 运行较慢 | 估算 10.4 tok/s8.3–12.5校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 2.8 GB 内存 | 部分卸载 | 最长 64k |
|
| Qwen3.8 27B | 运行较慢 | 估算 9.6 tok/s7.7–11.6校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 3.2 GB 内存 | 部分卸载 | 最长 64k |
|
| Gemma 4 31B | 运行较慢 | 估算 7.8 tok/s6.3–9.4校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 4.2 GB 内存 | 部分卸载 | 最长 64k |
|
| EXAONE 4.0 32B | 运行较慢 | 估算 6.8 tok/s5.4–8.2校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 5.1 GB 内存 | 部分卸载 | 最长 64k |
|
| Granite 4.2 30B | 运行较慢 | 估算 6.4 tok/s5.1–7.7校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 5.0 GB 内存 | 部分卸载 | 最长 16k |
|
| EXAONE 4.5 33B | 运行较慢 | 估算 6.1 tok/s4.9–7.4校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 5.8 GB 内存 | 部分卸载 | 最长 64k |
|
| Qwen3 32B | 运行较慢 | 估算 4.9 tok/s3.9–5.8校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 7.1 GB 内存 | 部分卸载 | 最长 16k |
|
| DeepSeek R1 Distill Qwen 32B | 运行较慢 | 估算 4.8 tok/s3.9–5.8校准估算 ±20% | Q4_K_M | 16.0 / 16.0 GB + 7.2 GB 内存 | 部分卸载 | 最长 16k |
|
| Kolibri 1 | 无法运行改用 Q2_K（质量损失大）：运行良好 | 估算 76.1 tok/s53.3–98.9理论估算 ±30% | Q2_K | 15.0 / 16.0 GB + 16.3 GB 内存 | MoE 专家放在内存 | 最长 256k |
|
| Solar Open 100B | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 20.7 tok/s14.5–26.9理论估算 ±30% | Q2_K | 14.7 / 16.0 GB + 25.8 GB 内存 | MoE 专家放在内存 | 最长 16k |
|
| Llama 3.3 70B | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.6 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 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 | — | — |
|
| Qwen3.5 122B-A10B | 无法运行 | — | Q4_K_M | 需要 76.6 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 Ti 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 |
|---|---|---|---|---|---|---|---|---|
| llama-2-7b | Q4_0 | llama.cpp | 512 | 6,925.0 | 132.3 | — | github.com | 2025-08-01 |
| Qwen3 8B | Q4_K_XL | llama.cpp | 4k | 5,220.0 | 96.3 | CUDA | hardware-corner.net | 2025-12-09 |
常见问题
能完全在 GeForce RTX 4070 Ti Super 上运行的最大模型是什么？
Muse Glimmer 30B IQ4_XS（15.44 GB 文件）在 8k 上下文下可完整装入 16 GB，估算 30.3 tok/s（26.6–33.9，校准估算 ±12%）。
GeForce RTX 4070 Ti 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，29 个运行流畅、8 个运行良好、11 个运行较慢，10 个无法运行。
GeForce RTX 4070 Ti 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 2.6 tok/s（2.1–3.2，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。