ai.canshu.com
EN
显存计算器 配机与回本向导 API 价格 同屏 PK 对比 模型库 排行榜 显卡库

全局搜索模型、显卡与工具

↑↓ 移动 · Enter 直达 · ★ 优先展示我的关注 ai.canshu.com
Q4_K_M: 流畅可跑 23.34 GB / 108.8 GB 安全可用

Apple Mac Studio M5 Max (128GB Unified) 运行 Qwen3.5-35B-A3B (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,Qwen3.5-35B-A3B (MoE) 总显存占用约 23.34 GB(权重 21.22 GB + KV 缓存 0.4 GB + 系统开销 1.72 GB),低于 Mac Studio M5 Max 128G 的安全可用水位(108.8 GB),预估单并发推理速度约 200.7 tokens/s。

并发请求数 (Batch):
MoE 35B / A3B·40L (d=2048)·16Q/2KV·Ctx 256K·Text+Image+Video
该设备兼容榜 →
128 GB 统一内存·614 GB/s·安全可用上限 108.8 GB
流畅可跑23.34 / 108.8 GB~200.7 tok/s
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
23.34/ 108.8 GB 可用显存

物理总容量 128 GB · 占用率 21.5%

理论带宽解码速度 (Decode)
~200.7tokens/s

MoE 架构:每步仅读取 1.82 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: 21.22 GBKV Cache (1×16K): 0.4 GB框架开销: 1.72 GB
统一内存默认预留约 15% 给操作系统
🚀 闪电秒出(长推理/写代码极爽)生成 500 Token 回答约需 2.5 秒
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run qwen3.5:35b-a3b

Mac Studio M5 Max 128G 可运行 Qwen3.5-35B-A3B (MoE) · 硬件成本与回本参考

参考均价约 ¥27,999(折合 ¥219/GB)· 满载约 120W

📊 Qwen3.5-35B-A3B (MoE) 在 Mac Studio M5 Max 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 73.1 GB 流畅可跑 ~65.4 tok/s 256K
FP8 / Q8_0 39.63 GB 流畅可跑 ~119.6 tok/s 256K
GGUF Q6_K 30.98 GB 流畅可跑 ~152.3 tok/s 256K
GGUF Q5_K_M 27.09 GB 流畅可跑 ~173.6 tok/s 256K
Q4_K_M / AWQ 23.34 GB 流畅可跑 ~200.7 tok/s 256K
GGUF IQ4_XS 20.67 GB 流畅可跑 ~225.8 tok/s 256K
GGUF Q3_K_M 19.15 GB 流畅可跑 ~243.1 tok/s 256K
GGUF Q2_K 15.76 GB 流畅可跑 ~293.2 tok/s 256K

💡 流畅运行 Qwen3.5-35B-A3B (MoE) 的其他热门硬件对比

常见问题解答 (FAQ)

Apple Mac Studio M5 Max (128GB Unified) 能运行 Qwen3.5-35B-A3B (MoE) 吗?

可以流畅运行。在主流 Q4_K_M 4-bit 量化(16K 上下文)下,Qwen3.5-35B-A3B (MoE) 总显存占用约 23.34 GB(权重 21.22 GB + KV 缓存 0.4 GB + 系统开销 1.72 GB),低于 Mac Studio M5 Max 128G 的安全可用水位(108.8 GB),预估单并发推理速度约 200.7 tokens/s。

Qwen3.5-35B-A3B (MoE) 在 Mac Studio M5 Max 128G 上推荐使用哪种量化精度?

针对 Mac Studio M5 Max 128G,最高画质可用档位推荐 FP16 / BF16(无损原精度),约需 73.1 GB 显存,预估生成速度 65.4 tokens/s,最长可开约 256K 上下文。

满血无损 FP16 跑 Qwen3.5-35B-A3B (MoE) 需要多大显存?

在 FP16/BF16 原精度(16K 上下文)下,Qwen3.5-35B-A3B (MoE) 需要约 73.1 GB 显存(其中模型权重占 70 GB)。由于该模型采用 MoE 架构,虽然全部 35B 参数均需驻留显存,但每步仅读取 3B 激活参数,因此带宽充足时解码速度极快。