Qwen3.5 35B-A3B 硬件要求

模型信息

参数量: 总计 35.95B · 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: 2026-02-24
模型卡: Hugging Face 上的 Qwen3.5 35B-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
Qwen3.5 4B	4.66B	Q4_K_M	3.6 GB	运行流畅	运行流畅	运行流畅
Qwen3.5 9B	9.65B	Q4_K_M	6.0 GB	运行流畅	运行流畅	运行流畅
Qwen3.5 27B	27.78B	Q4_K_M	17.2 GB	运行较慢	运行较慢	运行流畅
Qwen3.5 35B-A3B当前模型	总计 35.95B · 激活 3B（MoE）	Q4_K_M	22.3 GB	运行良好	运行良好	运行流畅
Qwen3.5 122B-A10B	总计 125.09B · 激活 10B（MoE）	Q4_K_M	76.6 GB	无法运行	无法运行	无法运行

GGUF 文件

收录的 Qwen3.5 35B-A3B 量化文件，从小到大排列
量化	文件大小	质量	发布者
UD-Q2_K_XL	12.57 GB	损失严重	社区 GGUF · unsloth
IQ4_XS	18.17 GB	均衡	社区 GGUF · unsloth
Q4_K_M基准	22.63 GB	均衡	社区 GGUF · unsloth
Q8_0	37.80 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，并且只在开启 MTP 时才加载 MTP 模块。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
UD-Q2_K_XL	12.5	12.6	12.9	13.4	14.3	16.3	20.2
IQ4_XS	17.8	17.9	18.2	18.7	19.6	21.6	25.5
Q4_K_M	22.2	22.3	22.5	23.0	24.0	25.9	29.8
Q8_0	37.0	37.1	37.3	37.8	38.8	40.7	44.6

哪些 GPU 能跑 Qwen3.5 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 213.4 tok/s170.7–256.0校准估算 ±20%	Q4_K_M	22.9 / 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 155.9 tok/s124.7–187.1校准估算 ±20%	Q4_K_M	22.9 / 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 155.9 tok/s124.7–187.1校准估算 ±20%	Q4_K_M	22.9 / 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	估算 148.8 tok/s119.1–178.6校准估算 ±20%	Q4_K_M	22.9 / 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 144.7 tok/s115.8–173.7校准估算 ±20%	Q4_K_M	22.9 / 24.0 GB	全部载入显卡	最长 32k	—	—
Apple M5 Ultra · 96 GB	运行流畅	估算 116.8 tok/s93.5–140.2校准估算 ±20%	Q4_K_M	23.4 / 67.2 GB	统一内存	最长 256k	—	—
Radeon RX 7900 XTX	运行流畅	估算 113.9 tok/s91.1–136.7校准估算 ±20%	Q4_K_M	22.9 / 24.0 GB	全部载入显卡	最长 32k	—	首发价 US$999
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 109.8 tok/s87.8–131.7校准估算 ±20%	Q4_K_M	23.4 / 33.6 GB	统一内存	最长 256k	—	—
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 101.5 tok/s81.2–121.8校准估算 ±20%	Q4_K_M	23.4 / 33.6 GB	统一内存	最长 256k	—	—
Apple M3 Ultra · 96 GB	运行流畅	估算 94.8 tok/s75.8–113.8校准估算 ±20%	Q4_K_M	23.4 / 67.2 GB	统一内存	最长 256k	—	—
Apple M2 Ultra · 64 GB	运行流畅	估算 93.5 tok/s74.8–112.3校准估算 ±20%	Q4_K_M	23.4 / 44.8 GB	统一内存	最长 256k	—	—
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 90.0 tok/s72.0–108.0校准估算 ±20%	Q4_K_M	23.4 / 25.2 GB	统一内存	最长 64k	—	—
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 82.8 tok/s66.2–99.3校准估算 ±20%	Q4_K_M	23.4 / 25.2 GB	统一内存	最长 64k	—	—
Apple M5 Pro · 48 GB	运行流畅	估算 66.3 tok/s53.0–79.5校准估算 ±20%	Q4_K_M	23.4 / 33.6 GB	统一内存	最长 128k	—	—
Ryzen AI Max+ 395 (Strix Halo) · 64 GB	运行流畅	64.8 tok/s8k 估算 56.0 tok/s（44.8–67.2，校准估算 ±20%）实测（1 次，512 上下文）	Q4_K_M	23.4 / 44.8 GB	统一内存	最长 128k	—	首发价 US$1,999（128 GB）
NVIDIA DGX Spark · 64 GB	运行流畅	估算 61.9 tok/s49.5–74.2校准估算 ±20%	Q4_K_M	23.4 / 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 60.3 tok/s48.3–72.4校准估算 ±20%	Q4_K_M	23.4 / 33.6 GB	统一内存	最长 128k	—	—
GeForce RTX 5080	运行良好	估算 85.5 tok/s59.8–111.1理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$1,256（截至 2026-08-09）
Radeon RX 7900 XT	运行良好	估算 85.1 tok/s59.6–110.6理论估算 ±30%	Q4_K_M	19.5 / 20.0 GB + 4.5 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改用 IQ4_XS：运行流畅	首发价 US$899
GeForce RTX 5070 Ti	运行良好	估算 83.5 tok/s58.5–108.6理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（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 83.5 tok/s58.5–108.6理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	—
GeForce RTX 4080 Super	运行良好	估算 77.8 tok/s54.5–101.2理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$999
GeForce RTX 4080	运行良好	估算 77.0 tok/s53.9–100.1理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（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 75.1 tok/s52.5–97.6理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$799
GeForce RTX 4090 Laptop	运行良好	估算 70.3 tok/s49.2–91.4理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	—
GeForce RTX 3080 12GB	运行良好	估算 69.3 tok/s48.5–90.1理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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
Radeon RX 9070	运行良好	估算 64.1 tok/s44.9–83.3理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（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 64.1 tok/s44.9–83.3理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（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 63.4 tok/s44.4–82.4理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$499
GeForce RTX 5070	运行良好	估算 63.3 tok/s44.3–82.3理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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 63.3 tok/s44.3–82.3理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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 5060 Ti 16GB	运行良好	估算 62.4 tok/s43.7–81.1理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$569（截至 2026-08-09）
GeForce RTX 3080 10GB	运行良好	估算 60.8 tok/s42.6–79.1理论估算 ±30%	Q4_K_M	9.2 / 10.0 GB + 14.8 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 59.3 tok/s41.5–77.1理论估算 ±30%	Q4_K_M	10.2 / 11.0 GB + 13.8 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 57.1 tok/s40.0–74.3理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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 57.1 tok/s40.0–74.3理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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 GTX 1080 Ti	运行良好	估算 54.4 tok/s38.1–70.7理论估算 ±30%	Q4_K_M	10.2 / 11.0 GB + 13.8 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 4080 Laptop	运行良好	估算 53.6 tok/s37.5–69.7理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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 RTX 3060 12GB	运行良好	估算 49.4 tok/s34.6–64.2理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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）
GeForce RTX 4060 Ti 16GB	运行良好	估算 48.7 tok/s34.1–63.3理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$499
GeForce RTX 3070	运行良好	估算 48.3 tok/s33.8–62.8理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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 48.3 tok/s33.8–62.8理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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 48.3 tok/s33.8–62.8理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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）
Radeon RX 9060 XT 16GB	运行良好	估算 48.1 tok/s33.6–62.5理论估算 ±30%	Q4_K_M	15.1 / 16.0 GB + 8.9 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 UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$449（截至 2026-08-09）
Intel Arc B580	运行良好	估算 45.2 tok/s31.6–58.7理论估算 ±30%	Q4_K_M	11.2 / 12.0 GB + 12.8 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$290（截至 2026-08-09）
GeForce RTX 4060 Ti 8GB	运行良好	估算 40.4 tok/s28.3–52.5理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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 39.3 tok/s27.5–51.1理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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 38.2 tok/s26.7–49.6理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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 38.2 tok/s26.7–49.6理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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 35.7 tok/s25.0–46.4理论估算 ±30%	Q4_K_M	7.3 / 8.0 GB + 16.7 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$249
Apple M6 · 32 GB	运行较慢	估算 35.7 tok/s25.0–46.4理论估算 ±30%	Q4_K_M	22.8 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 改用 IQ4_XS：运行流畅	—
Apple M5 · 32 GB	运行较慢	估算 32.1 tok/s22.5–41.8理论估算 ±30%	Q4_K_M	22.8 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 改用 IQ4_XS：运行流畅	—
Apple M4 · 32 GB	运行较慢	估算 25.1 tok/s17.6–32.6理论估算 ±30%	Q4_K_M	22.8 GB 内存	纯 CPU	最长 256k	CPU 推理：最高只能判为“运行较慢” 改用 IQ4_XS：运行流畅	—
DDR5-6000 双通道 CPU · 32 GB	运行较慢	估算 20.1 tok/s16.1–24.1校准估算 ±20%	Q4_K_M	22.8 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 18.7 tok/s15.0–22.5校准估算 ±20%	Q4_K_M	22.8 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 10.7 tok/s8.6–12.8校准估算 ±20%	Q4_K_M	22.8 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 148.8 tok/s（119.1–178.6，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 49.4 tok/s（34.6–64.2，理论估算 ±30%）。

Qwen3.5 35B-A3B 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。

Qwen3.5 35B-A3B 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
NVIDIA DGX Spark	Q8_0	llama.cpp	2k	2,572.0	49.2	CUDA	github.com	2026-03-12
Ryzen AI Max+ 395 (Strix Halo)	Q4_K_M	llama.cpp	512	1,077.0	64.8	Vulkan	github.com	2026-04-26

常见问题

Qwen3.5 35B-A3B 需要多少显存？

Q4_K_M 文件为 22.63 GB；在 8k 上下文下，显卡约需 22.3 GB（权重 21.54 GB、KV 缓存 0.2 GB、计算缓冲区 0.6 GB）。已收录的最小文件（UD-Q2_K_XL（质量损失大））约需 12.6 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，并且只在开启 MTP 时才加载 MTP 模块。Mac 按整个文件计算，所以需要的内存稍多一些。

能让 Qwen3.5 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 148.8 tok/s（119.1–178.6，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 49.4 tok/s（34.6–64.2，理论估算 ±30%）。

Qwen3.5 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 39.3 tok/s（27.5–51.1，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行良好，估算 62.4 tok/s（43.7–81.1，理论估算 ±30%）; GeForce RTX 3090：运行流畅，估算 148.8 tok/s（119.1–178.6，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。