Q4_K_M: 流畅可跑 77.26 GB / 108.8 GB 安全可用
NVIDIA DGX Spark GB10 (128GB Unified) 运行 Qwen3.5-122B-A10B (MoE) 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,Qwen3.5-122B-A10B (MoE) 总显存占用约 77.26 GB(权重 73.96 GB + KV 缓存 0.52 GB + 系统开销 2.78 GB),低于 DGX Spark 128G 的安全可用水位(108.8 GB),预估单并发推理速度约 28.5 tokens/s。
并发请求数 (Batch):
MoE 122B / A10B·48L (d=3072)·32Q/2KV·Ctx 256K·Text+Image+Video
128 GB 统一内存·273 GB/s·安全可用上限 108.8 GB
流畅可跑77.26 / 108.8 GB~28.5 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
77.26/ 108.8 GB 可用显存
物理总容量 128 GB · 占用率 71%
理论带宽解码速度 (Decode)
~28.5tokens/s
MoE 架构:每步仅读取 6.06 GB 激活权重
当前并发 (1x) 最大可开窗口
256K/ 256K
高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限
模型权重: 73.96 GBKV Cache (1×16K): 0.52 GB框架开销: 2.78 GB
统一内存默认预留约 15% 给操作系统🏃 丝滑顺畅(超越人眼阅读)生成 500 Token 回答约需 17.5 秒
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run qwen3.5:122b-a10bDGX Spark 128G 可运行 Qwen3.5-122B-A10B (MoE) · 硬件成本与回本参考
参考均价约 ¥29,999(折合 ¥234/GB)· 满载约 170W
📊 Qwen3.5-122B-A10B (MoE) 在 DGX Spark 128G 上的各量化档位表现
| 量化精度 | 总显存占用 (16K) | 兼容性诊断 | 预估速度 | 最大可开上下文 |
|---|---|---|---|---|
| FP16 / BF16 | 250.7 GB | 显存不足 (OOM) | — | — |
| FP8 / Q8_0 | 134.04 GB | 显存不足 (OOM) | — | — |
| GGUF Q6_K | 103.86 GB | 临界可跑(注意上下文水位) | ~19.6 tok/s | 212K |
| GGUF Q5_K_M | 90.33 GB | 流畅可跑 | ~24.4 tok/s | 256K |
| Q4_K_M / AWQ | 77.26 GB | 流畅可跑 | ~28.5 tok/s | 256K |
| GGUF IQ4_XS | 67.93 GB | 流畅可跑 | ~32.3 tok/s | 256K |
| GGUF Q3_K_M | 62.64 GB | 流畅可跑 | ~35 tok/s | 256K |
| GGUF Q2_K | 50.82 GB | 流畅可跑 | ~42.9 tok/s | 256K |
💡 流畅运行 Qwen3.5-122B-A10B (MoE) 的其他热门硬件对比
常见问题解答 (FAQ)
NVIDIA DGX Spark GB10 (128GB Unified) 能运行 Qwen3.5-122B-A10B (MoE) 吗?
可以流畅运行。在主流 Q4_K_M 4-bit 量化(16K 上下文)下,Qwen3.5-122B-A10B (MoE) 总显存占用约 77.26 GB(权重 73.96 GB + KV 缓存 0.52 GB + 系统开销 2.78 GB),低于 DGX Spark 128G 的安全可用水位(108.8 GB),预估单并发推理速度约 28.5 tokens/s。
Qwen3.5-122B-A10B (MoE) 在 DGX Spark 128G 上推荐使用哪种量化精度?
针对 DGX Spark 128G,最高画质可用档位推荐 GGUF Q6_K(极高画质 · 严肃编码),约需 103.86 GB 显存,预估生成速度 19.6 tokens/s,最长可开约 212K 上下文。
满血无损 FP16 跑 Qwen3.5-122B-A10B (MoE) 需要多大显存?
在 FP16/BF16 原精度(16K 上下文)下,Qwen3.5-122B-A10B (MoE) 需要约 250.7 GB 显存(其中模型权重占 244 GB)。由于该模型采用 MoE 架构,虽然全部 122B 参数均需驻留显存,但每步仅读取 10B 激活参数,因此带宽充足时解码速度极快。