Kanana 1.5 15.7B-A3B 硬件要求

模型信息

参数量: 总计 15.7B · 激活 3B（MoE）
注意力机制: 全注意力
最大上下文: 32,768 个 token
发布日期: 2025-07-23
模型卡: Hugging Face 上的 Kanana 1.5 15.7B-A3B

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
Kanana 1.5 8B	8.03B	Q4_K_M	6.3 GB	运行流畅	运行流畅	运行流畅
Kanana 1.5 15.7B-A3B当前模型	总计 15.7B · 激活 3B（MoE）	Q4_K_M	11.9 GB	运行良好	运行流畅	运行流畅

GGUF 文件

收录的 Kanana 1.5 15.7B-A3B 量化文件，从小到大排列
量化	文件大小	质量	发布者
Q2_K	6.48 GB	损失严重	社区 GGUF · mradermacher
IQ4_XS	8.71 GB	均衡	社区 GGUF · mradermacher
Q4_K_M基准	10.44 GB	均衡	社区 GGUF · mradermacher
Q8_0	16.70 GB	近乎无损	社区 GGUF · mradermacher

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
Q2_K	7.5	8.0	9.2	11.5
IQ4_XS	9.6	10.2	11.4	13.7
Q4_K_M	11.4	11.9	13.1	15.4
Q8_0	17.5	18.1	19.2	21.5

哪些 GPU 能跑 Kanana 1.5 15.7B-A3B？

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 233.4 tok/s186.7–280.1校准估算 ±20%	Q4_K_M	12.5 / 32.0 GB	全部载入显卡	最长 32k	—	市场价 US$4,200（截至 2026-08-09）
GeForce RTX 3090 Ti	运行流畅	估算 164.4 tok/s131.5–197.3校准估算 ±20%	Q4_K_M	12.5 / 24.0 GB	全部载入显卡	最长 32k	—	首发价 US$1,999
GeForce RTX 4090	运行流畅	估算 164.4 tok/s131.5–197.3校准估算 ±20%	Q4_K_M	12.5 / 24.0 GB	全部载入显卡	最长 32k	—	市场价 US$2,755（截至 2026-08-09）
GeForce RTX 5080	运行流畅	估算 159.0 tok/s127.2–190.8校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$1,256（截至 2026-08-09）
GeForce RTX 3090	运行流畅	估算 156.3 tok/s125.0–187.5校准估算 ±20%	Q4_K_M	12.5 / 24.0 GB	全部载入显卡	最长 32k	—	市场价 US$1,050（截至 2026-08-09）
GeForce RTX 5070 Ti	运行流畅	估算 151.6 tok/s121.3–181.9校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$949（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行流畅	估算 151.6 tok/s121.3–181.9校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	—
GeForce RTX 5090 Laptop	运行流畅	估算 151.6 tok/s121.3–181.9校准估算 ±20%	Q4_K_M	12.5 / 24.0 GB	全部载入显卡	最长 32k	—	—
GeForce RTX 4080 Super	运行流畅	估算 131.5 tok/s105.2–157.8校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	首发价 US$999
GeForce RTX 4080	运行流畅	估算 129.0 tok/s103.2–154.8校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	首发价 US$1,199
Apple M5 Ultra · 96 GB	运行流畅	估算 128.1 tok/s102.5–153.7校准估算 ±20%	Q4_K_M	12.1 / 67.2 GB	统一内存	最长 32k	—	—
Radeon RX 7900 XTX	运行流畅	估算 125.9 tok/s100.7–151.0校准估算 ±20%	Q4_K_M	12.5 / 24.0 GB	全部载入显卡	最长 32k	—	首发价 US$999
GeForce RTX 4070 Ti Super	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	—	首发价 US$799
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 114.6 tok/s91.7–137.5校准估算 ±20%	Q4_K_M	12.1 / 33.6 GB	统一内存	最长 32k	—	—
Radeon RX 7900 XT	运行流畅	估算 114.4 tok/s91.5–137.3校准估算 ±20%	Q4_K_M	12.5 / 20.0 GB	全部载入显卡	最长 32k	—	首发价 US$899
GeForce RTX 4090 Laptop	运行流畅	估算 109.1 tok/s87.3–130.9校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	—
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 105.3 tok/s84.2–126.3校准估算 ±20%	Q4_K_M	12.1 / 33.6 GB	统一内存	最长 32k	—	—
Apple M3 Ultra · 96 GB	运行流畅	估算 101.3 tok/s81.0–121.5校准估算 ±20%	Q4_K_M	12.1 / 67.2 GB	统一内存	最长 32k	—	—
Radeon RX 9070	运行流畅	估算 101.1 tok/s80.9–121.4校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$639（截至 2026-08-09）
Radeon RX 9070 XT	运行流畅	估算 101.1 tok/s80.9–121.4校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$689（截至 2026-08-09）
Apple M2 Ultra · 64 GB	运行流畅	估算 99.8 tok/s79.8–119.7校准估算 ±20%	Q4_K_M	12.1 / 44.8 GB	统一内存	最长 32k	—	—
Radeon RX 7800 XT	运行流畅	估算 99.2 tok/s79.3–119.0校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	首发价 US$499
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 92.5 tok/s74.0–111.0校准估算 ±20%	Q4_K_M	12.1 / 25.2 GB	统一内存	最长 32k	—	—
GeForce RTX 5060 Ti 16GB	运行流畅	估算 89.1 tok/s71.3–106.9校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$569（截至 2026-08-09）
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 84.6 tok/s67.7–101.5校准估算 ±20%	Q4_K_M	12.1 / 25.2 GB	统一内存	最长 32k	—	—
Apple M5 Pro · 24 GB	运行流畅	估算 66.9 tok/s53.5–80.3校准估算 ±20%	Q4_K_M	12.1 / 16.8 GB	统一内存	最长 32k	—	—
Radeon RX 9060 XT 16GB	运行流畅	估算 63.2 tok/s50.6–75.8校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$449（截至 2026-08-09）
NVIDIA DGX Spark · 64 GB	运行流畅	估算 62.2 tok/s49.7–74.6校准估算 ±20%	Q4_K_M	12.1 / 48.2 GB	统一内存	最长 32k	—	首发价 US$3,999（128 GB）
GeForce RTX 4060 Ti 16GB	运行流畅	估算 61.1 tok/s48.9–73.3校准估算 ±20%	Q4_K_M	12.5 / 16.0 GB	全部载入显卡	最长 32k	—	首发价 US$499
Apple M4 Pro · 24 GB	运行流畅	估算 60.6 tok/s48.5–72.8校准估算 ±20%	Q4_K_M	12.1 / 16.8 GB	统一内存	最长 32k	—	—
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行流畅	估算 57.2 tok/s45.8–68.6校准估算 ±20%	Q4_K_M	12.1 / 22.4 GB	统一内存	最长 32k	—	首发价 US$1,999（128 GB）
Apple M6 · 24 GB	运行流畅	估算 40.2 tok/s32.1–48.2校准估算 ±20%	Q4_K_M	12.1 / 16.8 GB	统一内存	最长 32k	—	—
Apple M5 · 24 GB	运行流畅	估算 36.5 tok/s29.2–43.9校准估算 ±20%	Q4_K_M	12.1 / 16.8 GB	统一内存	最长 16k	—	—
Apple M4 · 24 GB	运行流畅	估算 29.1 tok/s23.3–35.0校准估算 ±20%	Q4_K_M	12.1 / 16.8 GB	统一内存	最长 16k	—	—
GeForce RTX 3080 12GB	运行良好	估算 112.8 tok/s79.0–146.6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	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改用 IQ4_XS：运行流畅	首发价 US$799
GeForce RTX 5070	运行良好	估算 95.9 tok/s67.1–124.7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	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改用 IQ4_XS：运行流畅	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行良好	估算 95.9 tok/s67.1–124.7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	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改用 IQ4_XS：运行流畅	—
GeForce RTX 4070	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	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改用 IQ4_XS：运行流畅	首发价 US$599
GeForce RTX 4070 Super	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	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改用 IQ4_XS：运行流畅	首发价 US$599
GeForce RTX 4080 Laptop	运行良好	估算 72.9 tok/s51.0–94.8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	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改用 IQ4_XS：运行流畅	—
GeForce RTX 2080 Ti	运行良好	估算 71.5 tok/s50.1–93.0理论估算 ±30%	Q4_K_M	10.4 / 11.0 GB + 2.3 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改用 IQ4_XS：运行流畅	首发价 US$999
GeForce RTX 3080 10GB	运行良好	估算 66.1 tok/s46.2–85.9理论估算 ±30%	Q4_K_M	9.5 / 10.0 GB + 3.2 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 Q2_K（质量损失大）：运行流畅	首发价 US$699
GeForce RTX 3060 12GB	运行良好	估算 64.3 tok/s45.0–83.5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	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改用 IQ4_XS：运行流畅	市场价 US$250（截至 2026-08-09）
GeForce GTX 1080 Ti	运行良好	估算 63.9 tok/s44.7–83.1理论估算 ±30%	Q4_K_M	10.4 / 11.0 GB + 2.3 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改用 IQ4_XS：运行流畅	首发价 US$699
Intel Arc B580	运行良好	估算 59.3 tok/s41.5–77.1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	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改用 IQ4_XS：运行流畅	市场价 US$290（截至 2026-08-09）
GeForce RTX 3070	运行良好	估算 42.6 tok/s29.8–55.3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 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$499
GeForce RTX 5060	运行良好	估算 42.6 tok/s29.8–55.3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 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$339（截至 2026-08-09）
GeForce RTX 5060 Ti 8GB	运行良好	估算 42.6 tok/s29.8–55.3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 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$429（截至 2026-08-09）
GeForce RTX 4060 Ti 8GB	运行良好	估算 36.4 tok/s25.5–47.3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	首发价 US$399
GeForce RTX 4060	运行良好	估算 35.5 tok/s24.9–46.2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	首发价 US$299
GeForce RTX 4060 Laptop	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	—
GeForce RTX 4070 Laptop	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	—
GeForce RTX 3050 8GB	运行良好	估算 32.6 tok/s22.8–42.3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	首发价 US$249
DDR5-6000 双通道 CPU · 16 GB	运行较慢	估算 13.5 tok/s10.8–16.1校准估算 ±20%	Q4_K_M	11.5 GB 内存	纯 CPU	最长 8k	CPU 推理：最高只能判为“运行较慢”	—
DDR5-5600 双通道 CPU · 16 GB	运行较慢	估算 12.6 tok/s10.0–15.1校准估算 ±20%	Q4_K_M	11.5 GB 内存	纯 CPU	最长 8k	CPU 推理：最高只能判为“运行较慢”	—
DDR4-3200 双通道 CPU · 16 GB	运行较慢	估算 7.2 tok/s5.7–8.6校准估算 ±20%	Q4_K_M	11.5 GB 内存	纯 CPU	最长 8k	—	—

能运行它的最便宜 GPU

运行流畅Radeon RX 9060 XT 16GB市场价 US$449（截至 2026-08-09），估算 63.2 tok/s（50.6–75.8，校准估算 ±20%）。
运行良好GeForce RTX 3060 12GB市场价 US$250（截至 2026-08-09），估算 64.3 tok/s（45.0–83.5，理论估算 ±30%）。

Kanana 1.5 15.7B-A3B 的实测结果

这个模型暂无公开基准测试结果。

常见问题

Kanana 1.5 15.7B-A3B 需要多少显存？

Q4_K_M 文件为 10.44 GB；在 8k 上下文下，显卡约需 11.9 GB（权重 10.28 GB、KV 缓存 1.1 GB、计算缓冲区 0.6 GB）。已收录的最小文件（Q2_K（质量损失大））约需 8.0 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 Kanana 1.5 15.7B-A3B 运行良好的最便宜 GPU 是哪款？

运行流畅的最便宜选择：Radeon RX 9060 XT 16GB，US$449（2026-08-09 市场价），估算 63.2 tok/s（50.6–75.8，校准估算 ±20%）。更便宜、仍能运行良好的选择：GeForce RTX 3060 12GB，US$250（2026-08-09 市场价），估算 64.3 tok/s（45.0–83.5，理论估算 ±30%）。

Kanana 1.5 15.7B-A3B 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：运行良好，估算 35.5 tok/s（24.9–46.2，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行流畅，估算 89.1 tok/s（71.3–106.9，校准估算 ±20%）; GeForce RTX 3090：运行流畅，估算 156.3 tok/s（125.0–187.5，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。