Q4_K_M: 显存不足 (OOM) 123.02 GB / 31.4 GB 安全可用
NVIDIA GeForce RTX 5090 32GB 运行 Step-3.5-Flash (196B MoE) 显存与速度估算
单张 RTX 5090(可用显存约 31.4 GB)难以全量装入 Step-3.5-Flash (196B MoE) 的 Q4_K_M 权重(需 123.02 GB)。建议切换更低比特量化、多卡并联,或直接租用大显存云 GPU / 调用在线 API。
并发请求数 (Batch):
MoE 196.8B / A11B·45L (d=4096)·64Q/8KV·Ctx 256K
显存不足 (OOM)123.02 / 31.4 GBOOM· 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)
显存不足 (OOM)
123.02/ 31.4 GB 可用显存
物理总容量 32 GB · 占用率 392.3%
理论带宽解码速度 (Decode)
—tokens/s
超出安全可用上限 91.66 GB
当前并发 (1x) 最大可开窗口
0K/ 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: 119.31 GBKV Cache (1×16K): 0.87 GB框架开销: 2.84 GB
⛔ 无法加载
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run step3.5:flash本地显存不足?运行 Step-3.5-Flash (196B MoE) 的替代方案
可按小时租用预装好 vLLM / LLaMA-Factory 的大显存云显卡,或算一下直接调 API 对比买卡的 12 个月回本线。