MiniCPM-V 4.7 35B-A3B 硬件要求

模型信息

参数量: 总计 35.21B · 激活 3B（MoE）
注意力机制: 混合注意力（仅部分层使用全注意力）
最大上下文: 262,144 个 token
发布日期: 2026-10-07
模型卡: Hugging Face 上的 MiniCPM-V 4.7 35B-A3B

GGUF 文件

收录的 MiniCPM-V 4.7 35B-A3B 量化文件，从小到大排列
量化	文件大小	质量	发布者
IQ4_XS	18.73 GB	均衡	官方 GGUF · openbmb
Q4_K_M基准	21.17 GB	均衡	官方 GGUF · openbmb
Q8_0	36.90 GB	近乎无损	官方 GGUF · openbmb

文件大小不包括图像输入所需的视觉投影器（mmproj）。

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
IQ4_XS	19.1	19.2	19.4	19.9	20.9	22.8	26.7
Q4_K_M	21.5	21.6	21.9	22.3	23.3	25.3	29.1
Q8_0	37.0	37.1	37.3	37.8	38.8	40.7	44.6

哪些 GPU 能跑 MiniCPM-V 4.7 35B-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 239.5 tok/s191.6–287.4校准估算 ±20%	Q4_K_M	22.2 / 32.0 GB	全部载入显卡	最长 256k	—	市场价 US$4,200（截至 2026-08-09）
GeForce RTX 3090 Ti	运行流畅	估算 181.6 tok/s145.3–217.9校准估算 ±20%	Q4_K_M	22.2 / 24.0 GB	全部载入显卡	最长 64k	—	首发价 US$1,999
GeForce RTX 4090	运行流畅	估算 181.6 tok/s145.3–217.9校准估算 ±20%	Q4_K_M	22.2 / 24.0 GB	全部载入显卡	最长 64k	—	市场价 US$2,755（截至 2026-08-09）
GeForce RTX 3090	运行流畅	估算 174.2 tok/s139.3–209.0校准估算 ±20%	Q4_K_M	22.2 / 24.0 GB	全部载入显卡	最长 64k	—	市场价 US$1,050（截至 2026-08-09）
GeForce RTX 5090 Laptop	运行流畅	估算 169.9 tok/s135.9–203.8校准估算 ±20%	Q4_K_M	22.2 / 24.0 GB	全部载入显卡	最长 64k	—	—
Apple M5 Ultra · 96 GB	运行流畅	估算 130.8 tok/s104.7–157.0校准估算 ±20%	Q4_K_M	21.9 / 67.2 GB	统一内存	最长 256k	—	—
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 129.2 tok/s103.4–155.1校准估算 ±20%	Q4_K_M	21.9 / 33.6 GB	统一内存	最长 256k	—	—
Radeon RX 7900 XTX	运行流畅	估算 126.5 tok/s101.2–151.8校准估算 ±20%	Q4_K_M	22.2 / 24.0 GB	全部载入显卡	最长 64k	—	首发价 US$999
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 120.3 tok/s96.3–144.4校准估算 ±20%	Q4_K_M	21.9 / 33.6 GB	统一内存	最长 256k	—	—
Apple M3 Ultra · 96 GB	运行流畅	估算 109.0 tok/s87.2–130.8校准估算 ±20%	Q4_K_M	21.9 / 67.2 GB	统一内存	最长 256k	—	—
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 107.8 tok/s86.2–129.3校准估算 ±20%	Q4_K_M	21.9 / 25.2 GB	统一内存	最长 64k	—	—
Apple M2 Ultra · 64 GB	运行流畅	估算 107.7 tok/s86.2–129.2校准估算 ±20%	Q4_K_M	21.9 / 44.8 GB	统一内存	最长 256k	—	—
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 99.7 tok/s79.8–119.7校准估算 ±20%	Q4_K_M	21.9 / 25.2 GB	统一内存	最长 64k	—	—
Apple M5 Pro · 48 GB	运行流畅	估算 81.0 tok/s64.8–97.3校准估算 ±20%	Q4_K_M	21.9 / 33.6 GB	统一内存	最长 128k	—	—
NVIDIA DGX Spark · 64 GB	运行流畅	估算 76.0 tok/s60.8–91.2校准估算 ±20%	Q4_K_M	21.9 / 48.2 GB	统一内存	最长 128k	—	首发价 US$3,999（128 GB）
Apple M4 Pro · 48 GB	运行流畅	估算 74.2 tok/s59.3–89.0校准估算 ±20%	Q4_K_M	21.9 / 33.6 GB	统一内存	最长 128k	—	—
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行流畅	估算 67.5 tok/s54.0–81.1校准估算 ±20%	Q4_K_M	21.9 / 22.4 GB	统一内存	最长 16k	—	首发价 US$1,999（128 GB）
Apple M6 · 32 GB	运行流畅	估算 50.8 tok/s40.6–60.9校准估算 ±20%	Q4_K_M	21.9 / 22.4 GB	统一内存	最长 16k	—	—
Apple M5 · 32 GB	运行流畅	估算 46.4 tok/s37.2–55.7校准估算 ±20%	Q4_K_M	21.9 / 22.4 GB	统一内存	最长 16k	—	—
Apple M4 · 32 GB	运行流畅	估算 37.5 tok/s30.0–45.0校准估算 ±20%	Q4_K_M	21.9 / 22.4 GB	统一内存	最长 16k	—	—
GeForce RTX 5080	运行良好	估算 99.0 tok/s69.3–128.7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	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 97.0 tok/s67.9–126.1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	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 97.0 tok/s67.9–126.1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	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 XT	运行良好	估算 96.3 tok/s67.4–125.2理论估算 ±30%	Q4_K_M	19.3 / 20.0 GB + 3.2 GB 内存	MoE 专家放在内存	最长 256k	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$899
GeForce RTX 4080 Super	运行良好	估算 91.1 tok/s63.8–118.4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	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 90.3 tok/s63.2–117.4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	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 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	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 83.2 tok/s58.2–108.1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	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 3080 12GB	运行良好	估算 78.2 tok/s54.8–101.7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 256k	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 74.7 tok/s52.3–97.1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 128k	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）
Radeon RX 9070	运行良好	估算 73.2 tok/s51.2–95.1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	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 73.2 tok/s51.2–95.1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	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）
GeForce RTX 5070	运行良好	估算 72.5 tok/s50.7–94.2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 256k	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$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行良好	估算 72.5 tok/s50.7–94.2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 256k	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 7800 XT	运行良好	估算 72.5 tok/s50.7–94.2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	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 10GB	运行良好	估算 67.1 tok/s47.0–87.2理论估算 ±30%	Q4_K_M	9.1 / 10.0 GB + 13.5 GB 内存	MoE 专家放在内存	最长 128k	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$699
GeForce RTX 2080 Ti	运行良好	估算 66.4 tok/s46.5–86.3理论估算 ±30%	Q4_K_M	10.0 / 11.0 GB + 12.5 GB 内存	MoE 专家放在内存	最长 256k	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 4070	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	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$599
GeForce RTX 4070 Super	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	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$599
GeForce RTX 4080 Laptop	运行良好	估算 62.7 tok/s43.9–81.6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	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 GTX 1080 Ti	运行良好	估算 61.8 tok/s43.3–80.4理论估算 ±30%	Q4_K_M	10.0 / 11.0 GB + 12.5 GB 内存	MoE 专家放在内存	最长 128k	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$699
GeForce RTX 4060 Ti 16GB	运行良好	估算 59.5 tok/s41.6–77.3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 128k	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 3060 12GB	运行良好	估算 58.4 tok/s40.9–75.9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	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$250（截至 2026-08-09）
Radeon RX 9060 XT 16GB	运行良好	估算 56.7 tok/s39.7–73.8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 128k	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$449（截至 2026-08-09）
GeForce RTX 3070	运行良好	估算 54.5 tok/s38.2–70.9理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 128k	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 54.5 tok/s38.2–70.9理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 128k	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 54.5 tok/s38.2–70.9理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 128k	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）
Intel Arc B580	运行良好	估算 52.1 tok/s36.5–67.8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	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$290（截至 2026-08-09）
GeForce RTX 4060 Ti 8GB	运行良好	估算 46.9 tok/s32.8–61.0理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 64k	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 45.9 tok/s32.1–59.6理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 64k	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 44.7 tok/s31.3–58.2理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 64k	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 44.7 tok/s31.3–58.2理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 64k	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 42.2 tok/s29.6–54.9理论估算 ±30%	Q4_K_M	7.1 / 8.0 GB + 15.4 GB 内存	MoE 专家放在内存	最长 64k	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 · 32 GB	运行较慢	估算 20.9 tok/s16.8–25.1校准估算 ±20%	Q4_K_M	21.3 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢”	—
DDR5-5600 双通道 CPU · 32 GB	运行较慢	估算 19.5 tok/s15.6–23.5校准估算 ±20%	Q4_K_M	21.3 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢”	—
DDR4-3200 双通道 CPU · 32 GB	运行较慢	估算 11.2 tok/s8.9–13.4校准估算 ±20%	Q4_K_M	21.3 GB 内存	纯 CPU	最长 256k	—	—

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 3090市场价 US$1,050（截至 2026-08-09），估算 174.2 tok/s（139.3–209.0，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 58.4 tok/s（40.9–75.9，理论估算 ±30%）。

MiniCPM-V 4.7 35B-A3B 的实测结果

这个模型暂无公开基准测试结果。

常见问题

MiniCPM-V 4.7 35B-A3B 需要多少显存？

Q4_K_M 文件为 21.17 GB；在 8k 上下文下，显卡约需 21.6 GB（权重 20.87 GB、KV 缓存 0.2 GB、计算缓冲区 0.6 GB）。已收录的最小文件（IQ4_XS）约需 19.2 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 MiniCPM-V 4.7 35B-A3B 运行良好的最便宜 GPU 是哪款？

运行流畅的最便宜选择：GeForce RTX 3090，US$1,050（2026-08-09 市场价），估算 174.2 tok/s（139.3–209.0，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 58.4 tok/s（40.9–75.9，理论估算 ±30%）。

MiniCPM-V 4.7 35B-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 45.9 tok/s（32.1–59.6，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行良好，估算 74.7 tok/s（52.3–97.1，理论估算 ±30%）; GeForce RTX 3090：运行流畅，估算 174.2 tok/s（139.3–209.0，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。