Mellum2.1 12B-A2.5B Thinking 硬件要求
模型信息
- 参数量
- 总计 12.15B · 激活 2.5B（MoE）
- 注意力机制
- 滑动窗口注意力
- 最大上下文
- 131,072 个 token
- 发布日期
- 2026-09-20
GGUF 文件
| 量化 | 文件大小 | 质量 | 发布者 |
|---|---|---|---|
| Q4_K_M基准 | 8.07 GB | 均衡 | 官方 GGUF · JetBrains |
| Q8_0 | 12.93 GB | 近乎无损 | 官方 GGUF · JetBrains |
不同量化和上下文所需的显存
| 量化 | 4k | 8k | 16k | 32k | 64k | 128k |
|---|---|---|---|---|---|---|
| Q4_K_M | 8.5 | 8.6 | 8.8 | 9.2 | 10.0 | 11.5 |
| Q8_0 | 13.3 | 13.4 | 13.6 | 13.9 | 14.7 | 16.3 |
哪些 GPU 能跑 Mellum2.1 12B-A2.5B Thinking？
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
左右滑动可查看所有列。
| 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 334.9 tok/s267.9–401.8校准估算 ±20% | Q4_K_M | 9.2 / 32.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$4,200（截至 2026-08-09） |
| GeForce RTX 3090 Ti | 运行流畅 | 估算 252.0 tok/s201.6–302.5校准估算 ±20% | Q4_K_M | 9.2 / 24.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$1,999 |
| GeForce RTX 4090 | 运行流畅 | 估算 252.0 tok/s201.6–302.5校准估算 ±20% | Q4_K_M | 9.2 / 24.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$2,755（截至 2026-08-09） |
| GeForce RTX 5080 | 运行流畅 | 估算 245.1 tok/s196.1–294.1校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$1,256（截至 2026-08-09） |
| GeForce RTX 3090 | 运行流畅 | 估算 241.5 tok/s193.2–289.9校准估算 ±20% | Q4_K_M | 9.2 / 24.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$1,050（截至 2026-08-09） |
| GeForce RTX 3080 12GB | 运行流畅 | 估算 237.9 tok/s190.3–285.5校准估算 ±20% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k | — | 首发价 US$799 |
| GeForce RTX 5070 Ti | 运行流畅 | 估算 235.4 tok/s188.3–282.5校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$949（截至 2026-08-09） |
| GeForce RTX 5080 Laptop | 运行流畅 | 估算 235.4 tok/s188.3–282.5校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | — |
| GeForce RTX 5090 Laptop | 运行流畅 | 估算 235.4 tok/s188.3–282.5校准估算 ±20% | Q4_K_M | 9.2 / 24.0 GB | 全部载入显卡 | 最长 128k | — | — |
| GeForce RTX 3080 10GB | 运行流畅 | 估算 212.8 tok/s170.2–255.4校准估算 ±20% | Q4_K_M | 9.2 / 10.0 GB | 全部载入显卡 | 最长 32k | — | 首发价 US$699 |
| GeForce RTX 4080 Super | 运行流畅 | 估算 208.5 tok/s166.8–250.2校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$999 |
| GeForce RTX 4080 | 运行流畅 | 估算 205.0 tok/s164.0–246.0校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$1,199 |
| GeForce RTX 4070 Ti Super | 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 | — | 首发价 US$799 |
| GeForce RTX 5070 | 运行流畅 | 估算 196.5 tok/s157.2–235.8校准估算 ±20% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k | — | 市场价 US$629（截至 2026-08-09） |
| GeForce RTX 5070 Ti Laptop | 运行流畅 | 估算 196.5 tok/s157.2–235.8校准估算 ±20% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k | — | — |
| GeForce RTX 2080 Ti | 运行流畅 | 估算 185.4 tok/s148.3–222.4校准估算 ±20% | Q4_K_M | 9.2 / 11.0 GB | 全部载入显卡 | 最长 64k | — | 首发价 US$999 |
| Apple M5 Ultra · 96 GB | 运行流畅 | 估算 183.0 tok/s146.4–219.6校准估算 ±20% | Q4_K_M | 8.8 / 67.2 GB | 统一内存 | 最长 128k | — | — |
| Apple M5 Max (40-core GPU) · 48 GB | 运行流畅 | 估算 179.0 tok/s143.2–214.8校准估算 ±20% | Q4_K_M | 8.8 / 33.6 GB | 统一内存 | 最长 128k | — | — |
| Radeon RX 7900 XTX | 运行流畅 | 估算 177.3 tok/s141.8–212.7校准估算 ±20% | Q4_K_M | 9.2 / 24.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$999 |
| GeForce RTX 4090 Laptop | 运行流畅 | 估算 177.0 tok/s141.6–212.4校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | — |
| Apple M4 Max (40-core GPU) · 48 GB | 运行流畅 | 估算 166.4 tok/s133.1–199.7校准估算 ±20% | Q4_K_M | 8.8 / 33.6 GB | 统一内存 | 最长 128k | — | — |
| Radeon RX 7900 XT | 运行流畅 | 估算 164.6 tok/s131.7–197.5校准估算 ±20% | Q4_K_M | 9.2 / 20.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$899 |
| GeForce RTX 4070 | 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 | — | 首发价 US$599 |
| GeForce RTX 4070 Super | 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 | — | 首发价 US$599 |
| GeForce GTX 1080 Ti | 运行流畅 | 估算 156.4 tok/s109.5–203.3理论估算 ±30% | Q4_K_M | 9.2 / 11.0 GB | 全部载入显卡 | 最长 64k | — | 首发价 US$699 |
| Apple M3 Ultra · 96 GB | 运行流畅 | 估算 151.7 tok/s121.3–182.0校准估算 ±20% | Q4_K_M | 8.8 / 67.2 GB | 统一内存 | 最长 128k | — | — |
| Apple M2 Ultra · 64 GB | 运行流畅 | 估算 149.8 tok/s119.9–179.8校准估算 ±20% | Q4_K_M | 8.8 / 44.8 GB | 统一内存 | 最长 128k | — | — |
| Radeon RX 9070 | 运行流畅 | 估算 149.3 tok/s119.4–179.1校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$639（截至 2026-08-09） |
| Radeon RX 9070 XT | 运行流畅 | 估算 149.3 tok/s119.4–179.1校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$689（截至 2026-08-09） |
| Apple M5 Max (32-core GPU) · 36 GB | 运行流畅 | 估算 148.8 tok/s119.0–178.5校准估算 ±20% | Q4_K_M | 8.8 / 25.2 GB | 统一内存 | 最长 128k | — | — |
| GeForce RTX 5060 Ti 16GB | 运行流畅 | 估算 147.7 tok/s118.2–177.2校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$569（截至 2026-08-09） |
| Radeon RX 7800 XT | 运行流畅 | 估算 146.9 tok/s117.5–176.2校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$499 |
| GeForce RTX 4080 Laptop | 运行流畅 | 估算 143.7 tok/s115.0–172.5校准估算 ±20% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k | — | — |
| Apple M4 Max (32-core GPU) · 36 GB | 运行流畅 | 估算 137.5 tok/s110.0–165.0校准估算 ±20% | Q4_K_M | 8.8 / 25.2 GB | 统一内存 | 最长 128k | — | — |
| GeForce RTX 3060 12GB | 运行流畅 | 估算 124.9 tok/s99.9–149.9校准估算 ±20% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k | — | 市场价 US$250（截至 2026-08-09） |
| Apple M5 Pro · 24 GB | 运行流畅 | 估算 111.4 tok/s89.1–133.7校准估算 ±20% | Q4_K_M | 8.8 / 16.8 GB | 统一内存 | 最长 128k | — | — |
| Intel Arc B580 | 运行流畅 | 估算 106.9 tok/s74.8–139.0理论估算 ±30% | Q4_K_M | 9.2 / 12.0 GB | 全部载入显卡 | 最长 64k | — | 市场价 US$290（截至 2026-08-09） |
| GeForce RTX 4060 Ti 16GB | 运行流畅 | 估算 104.4 tok/s83.6–125.3校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$499 |
| NVIDIA DGX Spark · 64 GB | 运行流畅 | 估算 104.4 tok/s83.5–125.2校准估算 ±20% | Q4_K_M | 8.8 / 48.2 GB | 统一内存 | 最长 128k | — | 首发价 US$3,999（128 GB） |
| Apple M4 Pro · 24 GB | 运行流畅 | 估算 101.8 tok/s81.4–122.2校准估算 ±20% | Q4_K_M | 8.8 / 16.8 GB | 统一内存 | 最长 128k | — | — |
| Radeon RX 9060 XT 16GB | 运行流畅 | 估算 100.6 tok/s80.5–120.7校准估算 ±20% | Q4_K_M | 9.2 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$449（截至 2026-08-09） |
| Ryzen AI Max+ 395 (Strix Halo) · 32 GB | 运行流畅 | 估算 93.1 tok/s74.5–111.7校准估算 ±20% | Q4_K_M | 8.8 / 22.4 GB | 统一内存 | 最长 128k | — | 首发价 US$1,999（128 GB） |
| Apple M5 · 16 GB | 运行流畅 | 估算 63.5 tok/s50.8–76.2校准估算 ±20% | Q4_K_M | 8.8 / 11.2 GB | 统一内存 | 最长 64k | — | — |
| Apple M6 · 16 GB | 运行流畅 | 估算 63.5 tok/s50.8–76.2校准估算 ±20% | Q4_K_M | 8.8 / 11.2 GB | 统一内存 | 最长 64k | — | — |
| Apple M4 · 16 GB | 运行流畅 | 估算 51.2 tok/s40.9–61.4校准估算 ±20% | Q4_K_M | 8.8 / 11.2 GB | 统一内存 | 最长 64k | — | — |
| GeForce RTX 3070 | 运行良好 | 估算 94.7 tok/s66.3–123.1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 |
| 首发价 US$499 |
| GeForce RTX 5060 | 运行良好 | 估算 94.7 tok/s66.3–123.1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 |
| 市场价 US$339（截至 2026-08-09） |
| GeForce RTX 5060 Ti 8GB | 运行良好 | 估算 94.7 tok/s66.3–123.1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 |
| 市场价 US$429（截至 2026-08-09） |
| GeForce RTX 4060 Ti 8GB | 运行良好 | 估算 76.8 tok/s53.8–99.9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 |
| 首发价 US$399 |
| GeForce RTX 4060 | 运行良好 | 估算 74.5 tok/s52.2–96.9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 |
| 首发价 US$299 |
| GeForce RTX 4060 Laptop | 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 |
| — |
| GeForce RTX 4070 Laptop | 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 |
| — |
| GeForce RTX 3050 8GB | 运行良好 | 估算 66.8 tok/s46.7–86.8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 |
| 首发价 US$249 |
| DDR5-6000 双通道 CPU · 16 GB | 运行较慢 | 估算 23.2 tok/s18.6–27.9校准估算 ±20% | Q4_K_M | 8.2 GB 内存 | 纯 CPU | 最长 128k |
| — |
| DDR5-5600 双通道 CPU · 16 GB | 运行较慢 | 估算 21.7 tok/s17.3–26.0校准估算 ±20% | Q4_K_M | 8.2 GB 内存 | 纯 CPU | 最长 128k |
| — |
| DDR4-3200 双通道 CPU · 16 GB | 运行较慢 | 估算 12.4 tok/s9.9–14.9校准估算 ±20% | Q4_K_M | 8.2 GB 内存 | 纯 CPU | 最长 128k |
| — |
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 3060 12GB市场价 US$250（截至 2026-08-09），估算 124.9 tok/s（99.9–149.9，校准估算 ±20%）。
Mellum2.1 12B-A2.5B Thinking 的实测结果
这个模型暂无公开基准测试结果。
常见问题
Mellum2.1 12B-A2.5B Thinking 需要多少显存？
Q4_K_M 文件为 8.07 GB；在 8k 上下文下，显卡约需 8.6 GB（权重 7.94 GB、KV 缓存 0.1 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 Mellum2.1 12B-A2.5B Thinking 运行良好的最便宜 GPU 是哪款？
运行流畅的最便宜选择：GeForce RTX 3060 12GB，US$250（2026-08-09 市场价），估算 124.9 tok/s（99.9–149.9，校准估算 ±20%）。
Mellum2.1 12B-A2.5B Thinking 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 74.5 tok/s（52.2–96.9，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行流畅，估算 147.7 tok/s（118.2–177.2，校准估算 ±20%）; GeForce RTX 3090：运行流畅，估算 241.5 tok/s（193.2–289.9，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。