K2-Horizon MoVA 36B-A4B 硬件要求

模型信息

参数量: 总计 37.44B · 激活 4B（MoE）
注意力机制: 全注意力
最大上下文: 524,288 个 token
发布日期: 2026-09-01
模型卡: Hugging Face 上的 K2-Horizon MoVA 36B-A4B

同系列的其他规格

各模型在基准量化、8k 上下文下所需的显存，以及在常见显卡上的判定，按模型从小到大排列
模型	参数量	基准量化	所需显存（8k）	GeForce RTX 4060	GeForce RTX 5060 Ti 16GB	GeForce RTX 3090
K2-Horizon 7B	9B	Q4_K_M	6.8 GB	运行良好	运行流畅	运行流畅
K2-Horizon MoVA 36B-A4B当前模型	总计 37.44B · 激活 4B（MoE）	Q4_K_M	24.2 GB	运行较慢	运行良好	运行良好

GGUF 文件

收录的 K2-Horizon MoVA 36B-A4B 量化文件，从小到大排列
量化	文件大小	质量	发布者
Q4_K_M基准	22.37 GB	均衡	官方 GGUF · IFM
Q8_0	39.83 GB	近乎无损	官方 GGUF · IFM

不同量化和上下文所需的显存

显存（GB）：载入 GPU 的权重 + f16 KV 缓存 + 计算缓冲区。如果在 Windows 上这块显卡还负责显示输出，再加约 0.6 GB。文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。
量化	4k	8k	16k	32k	64k	128k	256k
Q4_K_M	23.3	24.2	25.9	29.2	36.0	49.5	76.4
Q8_0	40.5	41.3	43.0	46.4	53.1	66.6	93.6

哪些 GPU 能跑 K2-Horizon MoVA 36B-A4B？

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

排序

在计算器中按预算、类型和上下文筛选这份列表

左右滑动可查看所有列。

56 款 GPU、Mac 和 CPU 配置，基于 Q4_K_M 量化、8k 上下文，按判定和速度排序
硬件	判定	速度	量化	显存/内存	运行方式	上下文	备注	价格
GeForce RTX 5090	运行流畅	估算 149.6 tok/s104.7–194.5理论估算 ±30%	Q4_K_M	24.8 / 32.0 GB	全部载入显卡	最长 32k	—	市场价 US$4,200（截至 2026-08-09）
Apple M5 Ultra · 96 GB	运行流畅	估算 82.3 tok/s57.6–106.9理论估算 ±30%	Q4_K_M	24.6 / 67.2 GB	统一内存	最长 64k	—	—
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 71.2 tok/s49.9–92.6理论估算 ±30%	Q4_K_M	24.6 / 33.6 GB	统一内存	最长 32k	—	—
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 65.1 tok/s45.6–84.7理论估算 ±30%	Q4_K_M	24.6 / 33.6 GB	统一内存	最长 32k	—	—
Apple M3 Ultra · 96 GB	运行流畅	估算 63.9 tok/s44.7–83.0理论估算 ±30%	Q4_K_M	24.6 / 67.2 GB	统一内存	最长 32k	—	—
Apple M2 Ultra · 64 GB	运行流畅	估算 62.9 tok/s44.0–81.7理论估算 ±30%	Q4_K_M	24.6 / 44.8 GB	统一内存	最长 32k	—	—
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 56.9 tok/s39.9–74.0理论估算 ±30%	Q4_K_M	24.6 / 25.2 GB	统一内存	最长 8k	—	—
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 51.9 tok/s36.3–67.5理论估算 ±30%	Q4_K_M	24.6 / 25.2 GB	统一内存	最长 8k	—	—
Apple M5 Pro · 48 GB	运行流畅	估算 40.7 tok/s28.5–52.9理论估算 ±30%	Q4_K_M	24.6 / 33.6 GB	统一内存	最长 16k	—	—
NVIDIA DGX Spark · 64 GB	运行流畅	估算 37.7 tok/s26.4–49.1理论估算 ±30%	Q4_K_M	24.6 / 48.2 GB	统一内存	最长 8k	—	首发价 US$3,999（128 GB）
Apple M4 Pro · 48 GB	运行流畅	估算 36.8 tok/s25.8–47.8理论估算 ±30%	Q4_K_M	24.6 / 33.6 GB	统一内存	最长 8k	—	—
Ryzen AI Max+ 395 (Strix Halo) · 64 GB	运行流畅	估算 35.1 tok/s24.5–45.6理论估算 ±30%	Q4_K_M	24.6 / 44.8 GB	统一内存	最长 8k	—	首发价 US$1,999（128 GB）
GeForce RTX 3090 Ti	运行良好	估算 82.6 tok/s57.8–107.4理论估算 ±30%	Q4_K_M	23.4 / 24.0 GB + 1.8 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	首发价 US$1,999
GeForce RTX 4090	运行良好	估算 82.6 tok/s57.8–107.4理论估算 ±30%	Q4_K_M	23.4 / 24.0 GB + 1.8 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	市场价 US$2,755（截至 2026-08-09）
GeForce RTX 3090	运行良好	估算 79.2 tok/s55.5–103.0理论估算 ±30%	Q4_K_M	23.4 / 24.0 GB + 1.8 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	市场价 US$1,050（截至 2026-08-09）
GeForce RTX 5090 Laptop	运行良好	估算 77.2 tok/s54.1–100.4理论估算 ±30%	Q4_K_M	23.4 / 24.0 GB + 1.8 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	—
Radeon RX 7900 XTX	运行良好	估算 68.1 tok/s47.7–88.5理论估算 ±30%	Q4_K_M	23.4 / 24.0 GB + 1.8 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	首发价 US$999
Radeon RX 7900 XT	运行良好	估算 44.5 tok/s31.2–57.9理论估算 ±30%	Q4_K_M	19.4 / 20.0 GB + 5.7 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	首发价 US$899
GeForce RTX 5080	运行良好	估算 39.3 tok/s27.5–51.0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 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	市场价 US$1,256（截至 2026-08-09）
GeForce RTX 5070 Ti	运行良好	估算 38.6 tok/s27.0–50.2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 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	市场价 US$949（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行良好	估算 38.6 tok/s27.0–50.2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 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	—
GeForce RTX 4080 Super	运行良好	估算 36.6 tok/s25.6–47.5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	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	首发价 US$999
GeForce RTX 4080	运行良好	估算 36.3 tok/s25.4–47.2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	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	首发价 US$1,199
GeForce RTX 4070 Ti Super	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	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	首发价 US$799
GeForce RTX 4090 Laptop	运行良好	估算 33.8 tok/s23.6–43.9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	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	—
Radeon RX 9070	运行良好	估算 32.7 tok/s22.9–42.5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	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	市场价 US$639（截至 2026-08-09）
Radeon RX 9070 XT	运行良好	估算 32.7 tok/s22.9–42.5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	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	市场价 US$689（截至 2026-08-09）
Radeon RX 7800 XT	运行良好	估算 32.4 tok/s22.7–42.1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	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	首发价 US$499
GeForce RTX 3080 12GB	运行良好	估算 31.0 tok/s21.7–40.3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 8k	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	首发价 US$799
GeForce RTX 5060 Ti 16GB	运行良好	估算 30.7 tok/s21.5–39.9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	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	市场价 US$569（截至 2026-08-09）
GeForce RTX 5070	运行较慢	估算 29.0 tok/s20.3–37.7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	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”	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行较慢	估算 29.0 tok/s20.3–37.7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	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”	—
GeForce RTX 2080 Ti	运行较慢	估算 27.1 tok/s19.0–35.2理论估算 ±30%	Q4_K_M	10.6 / 11.0 GB + 14.6 GB 内存	MoE 专家放在内存	最长 16k	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”	首发价 US$999
GeForce RTX 3080 10GB	运行较慢	估算 27.0 tok/s18.9–35.2理论估算 ±30%	Q4_K_M	9.5 / 10.0 GB + 15.7 GB 内存	MoE 专家放在内存	最长 8k	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”	首发价 US$699
GeForce RTX 4070	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	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”	首发价 US$599
GeForce RTX 4070 Super	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	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”	首发价 US$599
GeForce RTX 4080 Laptop	运行较慢	估算 25.6 tok/s18.0–33.3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	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”	—
Radeon RX 9060 XT 16GB	运行较慢	估算 25.6 tok/s17.9–33.2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 32k	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”	市场价 US$449（截至 2026-08-09）
GeForce GTX 1080 Ti	运行较慢	估算 25.5 tok/s17.8–33.1理论估算 ±30%	Q4_K_M	10.6 / 11.0 GB + 14.6 GB 内存	MoE 专家放在内存	最长 16k	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”	首发价 US$699
GeForce RTX 4060 Ti 16GB	运行较慢	估算 25.0 tok/s17.5–32.6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 32k	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”	首发价 US$499
GeForce RTX 3060 12GB	运行较慢	估算 24.1 tok/s16.9–31.3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	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”	市场价 US$250（截至 2026-08-09）
Intel Arc B580	运行较慢	估算 23.1 tok/s16.1–30.0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	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”	市场价 US$290（截至 2026-08-09）
Apple M6 · 32 GB	运行较慢	估算 18.3 tok/s12.8–23.8理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	CPU 推理：最高只能判为“运行较慢”	—
Apple M5 · 32 GB	运行较慢	估算 16.5 tok/s11.6–21.5理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	CPU 推理：最高只能判为“运行较慢”	—
Apple M4 · 32 GB	运行较慢	估算 12.9 tok/s9.0–16.8理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	CPU 推理：最高只能判为“运行较慢”	—
DDR5-6000 双通道 CPU · 32 GB	运行较慢	估算 10.3 tok/s7.2–13.4理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	—	—
DDR5-5600 双通道 CPU · 32 GB	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	—	—
GeForce RTX 3050 8GB	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	—	首发价 US$249
GeForce RTX 3070	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	—	首发价 US$499
GeForce RTX 4060	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	—	首发价 US$299
GeForce RTX 4060 Laptop	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	—	—
GeForce RTX 4060 Ti 8GB	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	—	首发价 US$399
GeForce RTX 4070 Laptop	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	—	—
GeForce RTX 5060	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	—	市场价 US$339（截至 2026-08-09）
GeForce RTX 5060 Ti 8GB	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	—	市场价 US$429（截至 2026-08-09）
DDR4-3200 双通道 CPU · 32 GB	运行较慢	估算 5.5 tok/s3.9–7.2理论估算 ±30%	Q4_K_M	24.0 GB 内存	纯 CPU	最长 16k	—	—

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。

能运行它的最便宜 GPU

运行流畅GeForce RTX 5090市场价 US$4,200（截至 2026-08-09），估算 149.6 tok/s（104.7–194.5，理论估算 ±30%）。
运行良好GeForce RTX 5060 Ti 16GB市场价 US$569（截至 2026-08-09），估算 30.7 tok/s（21.5–39.9，理论估算 ±30%）。

K2-Horizon MoVA 36B-A4B 的实测结果

这个模型暂无公开基准测试结果。

常见问题

K2-Horizon MoVA 36B-A4B 需要多少显存？

Q4_K_M 文件为 22.37 GB；在 8k 上下文下，显卡约需 24.2 GB（权重 21.99 GB、KV 缓存 1.6 GB、计算缓冲区 0.6 GB）。文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。

能让 K2-Horizon MoVA 36B-A4B 运行良好的最便宜 GPU 是哪款？

运行流畅的最便宜选择：GeForce RTX 5090，US$4,200（2026-08-09 市场价），估算 149.6 tok/s（104.7–194.5，理论估算 ±30%）。更便宜、仍能运行良好的选择：GeForce RTX 5060 Ti 16GB，US$569（2026-08-09 市场价），估算 30.7 tok/s（21.5–39.9，理论估算 ±30%）。

K2-Horizon MoVA 36B-A4B 能在 8 GB、16 GB 或 24 GB 的 GPU 上运行吗？

Q4_K_M、8k 上下文下：GeForce RTX 4060：运行较慢，估算 9.6 tok/s（6.7–12.5，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行良好，估算 30.7 tok/s（21.5–39.9，理论估算 ±30%）; GeForce RTX 3090：运行良好，估算 79.2 tok/s（55.5–103.0，理论估算 ±30%）。

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。