Q4_K_M: 流畅可跑 6.09 GB / 31.4 GB 安全可用
NVIDIA GeForce RTX 5090 32GB 运行 DeepSeek-R1-Distill-Qwen-7B 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-7B 总显存占用约 6.09 GB(权重 4.61 GB + KV 缓存 0.94 GB + 系统开销 0.54 GB),低于 RTX 5090 的安全可用水位(31.4 GB),预估单并发推理速度约 254.1 tokens/s。
并发请求数 (Batch):
Dense 7.6B·28L (d=3584)·28Q/4KV·Ctx 128K
流畅可跑6.09 / 31.4 GB~254.1 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)