Nanbeige4.2 3B 硬件要求

模型信息

参数量: 4.17B
注意力机制: 全注意力
最大上下文: 262,144 个 token
发布日期: 2026-07-21
模型卡: Hugging Face 上的 Nanbeige4.2 3B

GGUF 文件

收录的 Nanbeige4.2 3B 量化文件，从小到大排列
量化	文件大小	质量	发布者
Q2_K	1.85 GB	损失严重	社区 GGUF · bartowski
IQ4_XS	2.44 GB	均衡	社区 GGUF · bartowski
Q4_K_M基准	2.68 GB	均衡	社区 GGUF · bartowski
Q8_0	4.43 GB	近乎无损	社区 GGUF · bartowski

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
Q2_K	3.0	3.7	5.3	8.4	14.6	27.0	51.8
IQ4_XS	3.4	4.2	5.8	8.9	15.1	27.5	52.3
Q4_K_M	3.7	4.4	6.0	9.1	15.3	27.7	52.5
Q8_0	5.2	5.9	7.5	10.6	16.8	29.2	54.0

哪些 GPU 能跑 Nanbeige4.2 3B？

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 204.8 tok/s143.3–266.2理论估算 ±30%	Q4_K_M	5.0 / 32.0 GB	全部载入显卡	最长 128k	—	市场价 US$4,200（截至 2026-08-09）
Radeon RX 7900 XTX	运行流畅	估算 119.1 tok/s83.4–154.8理论估算 ±30%	Q4_K_M	5.0 / 24.0 GB	全部载入显卡	最长 64k	—	首发价 US$999
GeForce RTX 3090 Ti	运行流畅	估算 115.2 tok/s80.6–149.7理论估算 ±30%	Q4_K_M	5.0 / 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 115.2 tok/s80.6–149.7理论估算 ±30%	Q4_K_M	5.0 / 24.0 GB	全部载入显卡	最长 64k	—	市场价 US$2,755（截至 2026-08-09）
Apple M5 Ultra · 96 GB	运行流畅	估算 114.3 tok/s80.0–148.5理论估算 ±30%	Q4_K_M	4.7 / 67.2 GB	统一内存	最长 64k	—	—
GeForce RTX 5080	运行流畅	估算 109.7 tok/s76.8–142.6理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$1,256（截至 2026-08-09）
GeForce RTX 3090	运行流畅	估算 106.9 tok/s74.9–139.0理论估算 ±30%	Q4_K_M	5.0 / 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 3080 12GB	运行流畅	估算 104.2 tok/s72.9–135.5理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 32k	—	首发价 US$799
GeForce RTX 5070 Ti	运行流畅	估算 102.4 tok/s71.7–133.1理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$949（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行流畅	估算 102.4 tok/s71.7–133.1理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 64k	—	—
GeForce RTX 5090 Laptop	运行流畅	估算 102.4 tok/s71.7–133.1理论估算 ±30%	Q4_K_M	5.0 / 24.0 GB	全部载入显卡	最长 64k	—	—
Radeon RX 7900 XT	运行流畅	估算 99.2 tok/s69.5–129.0理论估算 ±30%	Q4_K_M	5.0 / 20.0 GB	全部载入显卡	最长 64k	—	首发价 US$899
GeForce RTX 3080 10GB	运行流畅	估算 86.8 tok/s60.8–112.9理论估算 ±30%	Q4_K_M	5.0 / 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 84.1 tok/s58.9–109.3理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$999
GeForce RTX 4080	运行流畅	估算 81.9 tok/s57.3–106.5理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$1,199
Radeon RX 9070	运行流畅	估算 80.0 tok/s56.0–104.0理论估算 ±30%	Q4_K_M	5.0 / 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 80.0 tok/s56.0–104.0理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 32k	—	市场价 US$689（截至 2026-08-09）
Radeon RX 7800 XT	运行流畅	估算 77.4 tok/s54.2–100.6理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 32k	—	首发价 US$499
GeForce RTX 4070 Ti Super	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	—	首发价 US$799
GeForce RTX 5070	运行流畅	估算 76.8 tok/s53.7–99.8理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 32k	—	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行流畅	估算 76.8 tok/s53.7–99.8理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 32k	—	—
Apple M3 Ultra · 96 GB	运行流畅	估算 76.2 tok/s53.3–99.1理论估算 ±30%	Q4_K_M	4.7 / 67.2 GB	统一内存	最长 32k	—	—
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 76.2 tok/s53.3–99.0理论估算 ±30%	Q4_K_M	4.7 / 33.6 GB	统一内存	最长 32k	—	—
Apple M2 Ultra · 64 GB	运行流畅	估算 74.4 tok/s52.1–96.8理论估算 ±30%	Q4_K_M	4.7 / 44.8 GB	统一内存	最长 32k	—	—
GeForce RTX 2080 Ti	运行流畅	估算 70.4 tok/s49.3–91.5理论估算 ±30%	Q4_K_M	5.0 / 11.0 GB	全部载入显卡	最长 32k	—	首发价 US$999
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 67.7 tok/s47.4–88.1理论估算 ±30%	Q4_K_M	4.7 / 33.6 GB	统一内存	最长 32k	—	—
GeForce RTX 4090 Laptop	运行流畅	估算 65.8 tok/s46.1–85.6理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 32k	—	—
GeForce RTX 4070	运行流畅	估算 57.6 tok/s40.3–74.9理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 32k	—	首发价 US$599
GeForce RTX 4070 Super	运行流畅	估算 57.6 tok/s40.3–74.9理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 32k	—	首发价 US$599
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 57.1 tok/s39.9–74.2理论估算 ±30%	Q4_K_M	4.7 / 25.2 GB	统一内存	最长 32k	—	—
GeForce GTX 1080 Ti	运行流畅	估算 55.3 tok/s38.7–71.9理论估算 ±30%	Q4_K_M	5.0 / 11.0 GB	全部载入显卡	最长 32k	—	首发价 US$699
GeForce RTX 3070	运行流畅	估算 51.2 tok/s35.8–66.5理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	—	首发价 US$499
GeForce RTX 5060	运行流畅	估算 51.2 tok/s35.8–66.5理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	—	市场价 US$339（截至 2026-08-09）
GeForce RTX 5060 Ti 16GB	运行流畅	估算 51.2 tok/s35.8–66.5理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 16k	—	市场价 US$569（截至 2026-08-09）
GeForce RTX 5060 Ti 8GB	运行流畅	估算 51.2 tok/s35.8–66.5理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	—	市场价 US$429（截至 2026-08-09）
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 50.9 tok/s35.6–66.1理论估算 ±30%	Q4_K_M	4.7 / 25.2 GB	统一内存	最长 16k	—	—
GeForce RTX 4080 Laptop	运行流畅	估算 49.4 tok/s34.6–64.2理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 16k	—	—
Intel Arc B580	运行流畅	估算 43.9 tok/s30.7–57.1理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 16k	—	市场价 US$290（截至 2026-08-09）
GeForce RTX 3060 12GB	运行流畅	估算 41.1 tok/s28.8–53.5理论估算 ±30%	Q4_K_M	5.0 / 12.0 GB	全部载入显卡	最长 16k	—	市场价 US$250（截至 2026-08-09）
Radeon RX 9060 XT 16GB	运行流畅	估算 39.9 tok/s28.0–51.9理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 16k	—	市场价 US$449（截至 2026-08-09）
Apple M5 Pro · 24 GB	运行流畅	估算 38.1 tok/s26.7–49.5理论估算 ±30%	Q4_K_M	4.7 / 16.8 GB	统一内存	最长 16k	—	—
NVIDIA DGX Spark · 64 GB	运行流畅	估算 34.8 tok/s24.3–45.2理论估算 ±30%	Q4_K_M	4.7 / 48.2 GB	统一内存	最长 8k	—	首发价 US$3,999（128 GB）
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行流畅	估算 34.3 tok/s24.0–44.5理论估算 ±30%	Q4_K_M	4.7 / 22.4 GB	统一内存	最长 8k	—	首发价 US$1,999（128 GB）
Apple M4 Pro · 24 GB	运行流畅	估算 33.9 tok/s23.7–44.0理论估算 ±30%	Q4_K_M	4.7 / 16.8 GB	统一内存	最长 8k	—	—
GeForce RTX 4060 Ti 16GB	运行流畅	估算 32.9 tok/s23.0–42.8理论估算 ±30%	Q4_K_M	5.0 / 16.0 GB	全部载入显卡	最长 8k	—	首发价 US$499
GeForce RTX 4060 Ti 8GB	运行流畅	估算 32.9 tok/s23.0–42.8理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 8k	—	首发价 US$399
GeForce RTX 4060	运行流畅	估算 31.1 tok/s21.8–40.4理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 8k	—	首发价 US$299
GeForce RTX 4060 Laptop	运行良好	估算 29.3 tok/s20.5–38.0理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	改用 IQ4_XS：运行流畅	—
GeForce RTX 4070 Laptop	运行良好	估算 29.3 tok/s20.5–38.0理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	改用 IQ4_XS：运行流畅	—
GeForce RTX 3050 8GB	运行良好	估算 25.6 tok/s17.9–33.3理论估算 ±30%	Q4_K_M	5.0 / 8.0 GB	全部载入显卡	最长 16k	Q2_K（质量损失大）：运行流畅	首发价 US$249
Apple M5 · 16 GB	运行良好	估算 19.1 tok/s13.3–24.8理论估算 ±30%	Q4_K_M	4.7 / 11.2 GB	统一内存	最长 16k	—	—
Apple M6 · 16 GB	运行良好	估算 19.1 tok/s13.3–24.8理论估算 ±30%	Q4_K_M	4.7 / 11.2 GB	统一内存	最长 16k	—	—
Apple M4 · 16 GB	运行良好	估算 14.9 tok/s10.4–19.4理论估算 ±30%	Q4_K_M	4.7 / 11.2 GB	统一内存	最长 8k	—	—
DDR5-6000 双通道 CPU · 16 GB	运行较慢	估算 7.8 tok/s5.5–10.2理论估算 ±30%	Q4_K_M	4.2 GB 内存	纯 CPU	最长 32k	—	—
DDR5-5600 双通道 CPU · 16 GB	运行较慢	估算 7.3 tok/s5.1–9.5理论估算 ±30%	Q4_K_M	4.2 GB 内存	纯 CPU	最长 32k	—	—
DDR4-3200 双通道 CPU · 16 GB	运行较慢	估算 4.2 tok/s2.9–5.4理论估算 ±30%	Q4_K_M	4.2 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 3060 12GB市场价 US$250（截至 2026-08-09），估算 41.1 tok/s（28.8–53.5，理论估算 ±30%）。

Nanbeige4.2 3B 的实测结果

这个模型暂无公开基准测试结果。

常见问题

Nanbeige4.2 3B 需要多少显存？

Q4_K_M 文件为 2.68 GB；在 8k 上下文下，显卡约需 4.4 GB（权重 2.39 GB、KV 缓存 1.5 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 3.7 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 Nanbeige4.2 3B 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 41.1 tok/s（28.8–53.5，理论估算 ±30%）。

Nanbeige4.2 3B 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：运行流畅，估算 31.1 tok/s（21.8–40.4，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行流畅，估算 51.2 tok/s（35.8–66.5，理论估算 ±30%）; GeForce RTX 3090：运行流畅，估算 106.9 tok/s（74.9–139.0，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。