Q4_K_M: 流畅可跑 12.82 GB / 94.1 GB 安全可用
NVIDIA H20 96GB (HBM3) 运行 DeepSeek-R1-Distill-Qwen-14B 显存与速度估算
可以流畅运行。在主流 Q4_K_M 4-bit 量化(16K 上下文)下,DeepSeek-R1-Distill-Qwen-14B 总显存占用约 12.82 GB(权重 8.97 GB + KV 缓存 3.22 GB + 系统开销 0.63 GB),低于 H20 96G 的安全可用水位(94.1 GB),预估单并发推理速度约 272.1 tokens/s。
并发请求数 (Batch):
Dense 14.8B·48L (d=5120)·40Q/8KV·Ctx 128K
流畅可跑12.82 / 94.1 GB~272.1 tok/s· Q4_K_M · 16K ctx
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
流畅可跑
12.82/ 94.1 GB 可用显存
物理总容量 96 GB · 占用率 13.6%
理论带宽解码速度 (Decode)
~272.1tokens/s
实际吞吐受框架 (vLLM/Ollama/Unsloth) 影响约 ±25%
当前并发 (1x) 最大可开窗口
128K/ 128K
高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限
模型权重: 8.97 GBKV Cache (1×16K): 3.22 GB框架开销: 0.63 GB
🚀 闪电秒出(长推理/写代码极爽)