Qwen3 30B-A3B (2507) 硬件要求

模型信息

参数量: 总计 30.5B · 激活 3.3B（MoE）
注意力机制: 全注意力
最大上下文: 262,144 个 token
发布日期: 2025-07-31
模型卡: Hugging Face 上的 Qwen3 30B-A3B (2507)

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
Qwen3 8B	8.2B	Q4_K_M	6.5 GB	运行流畅	运行流畅	运行流畅
Qwen3 14B	14.8B	Q4_K_M	10.5 GB	运行较慢	运行流畅	运行流畅
Qwen3 30B-A3B (2507)当前模型	总计 30.5B · 激活 3.3B（MoE）	Q4_K_M	19.8 GB	运行良好	运行良好	运行流畅
Qwen3 32B	32.8B	Q4_K_M	22.0 GB	无法运行	运行较慢	运行良好

GGUF 文件

收录的 Qwen3 30B-A3B (2507) 量化文件，从小到大排列
量化	文件大小	质量	发布者
Q2_K	11.26 GB	损失严重	社区 GGUF · unsloth
IQ4_XS	16.38 GB	均衡	社区 GGUF · unsloth
Q4_K_M基准	18.56 GB	均衡	社区 GGUF · unsloth
Q8_0	32.48 GB	近乎无损	社区 GGUF · unsloth

部分仓库只发布 Unsloth Dynamic（UD）版本，大小以你实际下载的文件为准。

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	12.1	12.5	13.4	15.2	18.7	25.7	39.8
IQ4_XS	17.1	17.6	18.5	20.2	23.7	30.8	44.9
Q4_K_M	19.3	19.8	20.6	22.4	25.9	33.0	47.0
Q8_0	33.1	33.5	34.4	36.2	39.7	46.7	60.8

哪些 GPU 能跑 Qwen3 30B-A3B (2507)？

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Qwen3 30B-A3B (2507) 在 GeForce RTX 5090 上的判定	估算 195.0 tok/s156.0–234.1校准估算 ±20%	Q4_K_M	20.4 / 32.0 GB	全部载入显卡	最长 64k	—	市场价 US$4,200（截至 2026-08-09）
GeForce RTX 3090 Ti	运行流畅	估算 146.7 tok/s117.4–176.1校准估算 ±20%	Q4_K_M	20.4 / 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Qwen3 30B-A3B (2507) 在 GeForce RTX 4090 上的判定	估算 146.7 tok/s117.4–176.1校准估算 ±20%	Q4_K_M	20.4 / 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 3090	运行流畅Qwen3 30B-A3B (2507) 在 GeForce RTX 3090 上的判定	估算 140.6 tok/s112.5–168.7校准估算 ±20%	Q4_K_M	20.4 / 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 5090 Laptop	运行流畅	估算 137.0 tok/s109.6–164.5校准估算 ±20%	Q4_K_M	20.4 / 24.0 GB	全部载入显卡	最长 32k	—	—
Apple M5 Ultra · 96 GB	运行流畅	估算 106.6 tok/s85.3–127.9校准估算 ±20%	Q4_K_M	19.9 / 67.2 GB	统一内存	最长 256k	—	—
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 104.2 tok/s83.4–125.0校准估算 ±20%	Q4_K_M	19.9 / 33.6 GB	统一内存	最长 128k	—	—
Radeon RX 7900 XTX	运行流畅	估算 103.3 tok/s82.6–123.9校准估算 ±20%	Q4_K_M	20.4 / 24.0 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 96.9 tok/s77.5–116.2校准估算 ±20%	Q4_K_M	19.9 / 33.6 GB	统一内存	最长 128k	—	—
Apple M3 Ultra · 96 GB	运行流畅	估算 88.3 tok/s70.7–106.0校准估算 ±20%	Q4_K_M	19.9 / 67.2 GB	统一内存	最长 128k	—	—
Apple M2 Ultra · 64 GB	运行流畅	估算 87.3 tok/s69.8–104.7校准估算 ±20%	Q4_K_M	19.9 / 44.8 GB	统一内存	最长 128k	—	—
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 86.6 tok/s69.3–103.9校准估算 ±20%	Q4_K_M	19.9 / 25.2 GB	统一内存	最长 32k	—	—
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 80.0 tok/s64.0–96.0校准估算 ±20%	Q4_K_M	19.9 / 25.2 GB	统一内存	最长 32k	—	—
Apple M5 Pro · 48 GB	运行流畅	估算 64.8 tok/s51.8–77.8校准估算 ±20%	Q4_K_M	19.9 / 33.6 GB	统一内存	最长 64k	—	—
NVIDIA DGX Spark · 64 GB	运行流畅	估算 60.7 tok/s48.6–72.9校准估算 ±20%	Q4_K_M	19.9 / 48.2 GB	统一内存	最长 64k	—	首发价 US$3,999（128 GB）
Apple M4 Pro · 48 GB	运行流畅Qwen3 30B-A3B (2507) 在 Apple M4 Pro 上的判定	估算 59.2 tok/s47.4–71.1校准估算 ±20%	Q4_K_M	19.9 / 33.6 GB	统一内存	最长 64k	—	—
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行流畅	估算 54.2 tok/s43.3–65.0校准估算 ±20%	Q4_K_M	19.9 / 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 40.4 tok/s32.3–48.5校准估算 ±20%	Q4_K_M	19.9 / 22.4 GB	统一内存	最长 16k	—	—
Apple M5 · 32 GB	运行流畅	估算 36.9 tok/s29.5–44.3校准估算 ±20%	Q4_K_M	19.9 / 22.4 GB	统一内存	最长 16k	—	—
Apple M4 · 32 GB	运行流畅Qwen3 30B-A3B (2507) 在 Apple M4 上的判定	估算 29.8 tok/s23.8–35.7校准估算 ±20%	Q4_K_M	19.9 / 22.4 GB	统一内存	最长 16k	—	—
Radeon RX 7900 XT	运行良好	估算 87.9 tok/s61.5–114.3理论估算 ±30%	Q4_K_M	19.6 / 20.0 GB + 0.9 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改用 IQ4_XS：运行流畅	首发价 US$899
GeForce RTX 5080	运行良好	估算 75.8 tok/s53.0–98.5理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	市场价 US$1,256（截至 2026-08-09）
GeForce RTX 5070 Ti	运行良好	估算 74.3 tok/s52.0–96.6理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	市场价 US$949（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行良好	估算 74.3 tok/s52.0–96.6理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	—
GeForce RTX 4080 Super	运行良好	估算 70.0 tok/s49.0–90.9理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	首发价 US$999
GeForce RTX 4080	运行良好	估算 69.3 tok/s48.5–90.2理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	首发价 US$1,199
GeForce RTX 4070 Ti Super	运行良好	估算 67.8 tok/s47.5–88.2理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	首发价 US$799
GeForce RTX 4090 Laptop	运行良好	估算 64.1 tok/s44.9–83.3理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	—
GeForce RTX 5060 Ti 16GB	运行良好Qwen3 30B-A3B (2507) 在 GeForce RTX 5060 Ti 16GB 上的判定	估算 57.7 tok/s40.4–75.1理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	市场价 US$569（截至 2026-08-09）
Radeon RX 9070	运行良好	估算 57.0 tok/s39.9–74.2理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	市场价 US$639（截至 2026-08-09）
Radeon RX 9070 XT	运行良好	估算 57.0 tok/s39.9–74.2理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	市场价 US$689（截至 2026-08-09）
Radeon RX 7800 XT	运行良好	估算 56.5 tok/s39.6–73.5理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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 Q2_K（质量损失大）：运行流畅	首发价 US$499
GeForce RTX 3080 12GB	运行良好	估算 53.8 tok/s37.6–69.9理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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$799
GeForce RTX 5070	运行良好Qwen3 30B-A3B (2507) 在 GeForce RTX 5070 上的判定	估算 50.5 tok/s35.3–65.6理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行良好	估算 50.5 tok/s35.3–65.6理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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	运行良好Qwen3 30B-A3B (2507) 在 GeForce RTX 4070 上的判定	估算 46.8 tok/s32.8–60.9理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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$599
GeForce RTX 4070 Super	运行良好	估算 46.8 tok/s32.8–60.9理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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$599
GeForce RTX 2080 Ti	运行良好	估算 46.3 tok/s32.4–60.2理论估算 ±30%	Q4_K_M	10.5 / 11.0 GB + 10.1 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$999
GeForce RTX 4060 Ti 16GB	运行良好	估算 46.3 tok/s32.4–60.1理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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$499
GeForce RTX 3080 10GB	运行良好	估算 45.3 tok/s31.7–58.9理论估算 ±30%	Q4_K_M	9.4 / 10.0 GB + 11.2 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$699
GeForce RTX 4080 Laptop	运行良好	估算 44.7 tok/s31.3–58.1理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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	—
Radeon RX 9060 XT 16GB	运行良好	估算 44.5 tok/s31.1–57.8理论估算 ±30%	Q4_K_M	15.6 / 16.0 GB + 4.9 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	市场价 US$449（截至 2026-08-09）
GeForce GTX 1080 Ti	运行良好	估算 43.6 tok/s30.5–56.7理论估算 ±30%	Q4_K_M	10.5 / 11.0 GB + 10.1 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$699
GeForce RTX 3060 12GB	运行良好Qwen3 30B-A3B (2507) 在 GeForce RTX 3060 12GB 上的判定	估算 42.0 tok/s29.4–54.6理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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$250（截至 2026-08-09）
Intel Arc B580	运行良好	估算 38.1 tok/s26.6–49.5理论估算 ±30%	Q4_K_M	11.6 / 12.0 GB + 9.0 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$290（截至 2026-08-09）
GeForce RTX 3070	运行良好	估算 37.1 tok/s26.0–48.3理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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 37.1 tok/s26.0–48.3理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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 37.1 tok/s26.0–48.3理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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 33.0 tok/s23.1–42.8理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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$399
GeForce RTX 4060	运行良好Qwen3 30B-A3B (2507) 在 GeForce RTX 4060 上的判定	估算 32.4 tok/s22.6–42.1理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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$299
GeForce RTX 4060 Laptop	运行良好	估算 31.7 tok/s22.2–41.2理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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	—
GeForce RTX 4070 Laptop	运行良好	估算 31.7 tok/s22.2–41.2理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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	—
GeForce RTX 3050 8GB	运行良好	估算 30.2 tok/s21.2–39.3理论估算 ±30%	Q4_K_M	7.6 / 8.0 GB + 13.0 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 · 32 GB	运行较慢	估算 14.7 tok/s11.7–17.6校准估算 ±20%	Q4_K_M	19.4 GB 内存	纯 CPU	最长 64k	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 13.7 tok/s11.0–16.4校准估算 ±20%	Q4_K_M	19.4 GB 内存	纯 CPU	最长 64k	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 7.8 tok/s6.3–9.4校准估算 ±20%	Q4_K_M	19.4 GB 内存	纯 CPU	最长 64k	—	—

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 140.6 tok/s（112.5–168.7，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 42.0 tok/s（29.4–54.6，理论估算 ±30%）。

Qwen3 30B-A3B (2507) 的实测结果

我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。

Qwen3 30B-A3B (2507) 的实测结果
硬件	量化	后端	上下文	提示词处理（tok/s）	生成（tok/s）	运行参数	来源	测量日期
GeForce RTX 5090	Q4_K_XL	llama.cpp	16k	—	141.6	—	hardware-corner.net	2026-08-09
GeForce RTX 4090	Q4_K_XL	llama.cpp	16k	—	139.7	—	hardware-corner.net	2026-08-09
GeForce RTX 3090	Q4_K_XL	llama.cpp	16k	—	113.8	—	hardware-corner.net	2026-08-09

常见问题

Qwen3 30B-A3B (2507) 需要多少显存？

Q4_K_M 文件为 18.56 GB；在 8k 上下文下，显卡约需 19.8 GB（权重 18.37 GB、KV 缓存 0.8 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 12.5 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 Qwen3 30B-A3B (2507) 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 140.6 tok/s（112.5–168.7，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 42.0 tok/s（29.4–54.6，理论估算 ±30%）。

Qwen3 30B-A3B (2507) 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 32.4 tok/s（22.6–42.1，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行良好，估算 57.7 tok/s（40.4–75.1，理论估算 ±30%）; GeForce RTX 3090：运行流畅，估算 140.6 tok/s（112.5–168.7，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。