LLM 显存计算器
RTX 4060 Ti 16GB 能跑什么本地大模型？
RTX 4060 Ti 16GB 以推荐量化、16K 上下文估算，最大能跑到 gpt-oss-20B（21B，约需 12.6 GB）；清单中 3 个模型可从容运行。按 288GB/s 内存带宽，解码速度理论上限 ≈ 带宽 ÷ 权重体积，实测通常是上限的 70%~85%。本站尚未在这台机器上实测，欢迎提交你的读数。数据核实于 2026-10-03。
规格：16GB · 288GB/s · 128-bit 位宽，带宽低于 3060，但显存多 4GB
可运行模型清单（推荐量化，16K 上下文）
从容 = 占用 ≤ 75% 内存；贴上限 = ≤ 92%；需降量化 = 推荐档塞不下但更低档位能塞。理论上限 = 288GB/s ÷ 权重体积，单请求解码不会快于此值。
| 模型 | 量化 | 需求 | 结论 | 解码上限 tok/s |
|---|---|---|---|---|
| Qwen3-4B | Q4_K_M (GGUF) | 6.0 GB | 从容 | ≤ 127 |
| Qwen3.5-9B | Q4_K_M (GGUF) | 7.5 GB | 从容 | ≤ 52 |
| Llama 3.1 8B | Q4_K_M (GGUF) | 8.0 GB | 从容 | ≤ 63 |
| Qwen3-14B | Q4_K_M (GGUF) | 12.4 GB | 贴上限 | ≤ 34 |
| gpt-oss-20B | MXFP4 | 12.6 GB | 贴上限 | ≤ 28 |
| Nemotron 3.5 Lightning (30B-A3B) | Q2_K (GGUF) | 11.4 GB | 需降量化 | ≤ 29 |
| Gemma 4 26B-A4B | Q3_K_M (GGUF) | 13.1 GB | 需降量化 | ≤ 26 |
| Qwen3.8-27B | Q3_K_M (GGUF) | 13.8 GB | 需降量化 | ≤ 24 |
| Mistral Small 3.x 24B | Q3_K_M (GGUF) | 14.5 GB | 需降量化 | ≤ 27 |
| GLM-4.7-Flash (30B-A3B) | Q2_K (GGUF) | 12.5 GB | 需降量化 | ≤ 28 |
| Qwen3-Coder-30B-A3B | Q2_K (GGUF) | 12.9 GB | 需降量化 | ≤ 29 |
| Gemma 4 31B | Q2_K (GGUF) | 13.0 GB | 需降量化 | ≤ 28 |
| Qwen3.6-35B-A3B | Q2_K (GGUF) | 13.5 GB | 需降量化 | ≤ 25 |
| Qwen3-32B | Q4_K_M (GGUF) | 23.7 GB | 跑不动 | — |
| Gemma 3 27B | Q4_K_M (GGUF) | 24.6 GB | 跑不动 | — |
| Llama 3.3 70B | Q4_K_M (GGUF) | 47.9 GB | 跑不动 | — |
| gpt-oss-120B | MXFP4 | 63.5 GB | 跑不动 | — |
| Mistral Leanstral 1.5 (119B-A6B MoE) | Q4_K_M (GGUF) | 73.4 GB | 跑不动 | — |
| Qwen3.8-Flash-Next (180B MoE) | Q4_K_M (GGUF) | 111 GB | 跑不动 | — |
| Qwen3-235B-A22B | Q4_K_M (GGUF) | 147 GB | 跑不动 | — |
| DeepSeek V4 Flash (304B MoE) | Q4_K_M (GGUF) | 187 GB | 跑不动 | — |
| GLM-4.5 (355B MoE) | Q4_K_M (GGUF) | 224 GB | 跑不动 | — |
| DeepSeek V3 / R1 (671B MoE) | Q4_K_M (GGUF) | 413 GB | 跑不动 | — |
| GLM-5.3 (753B MoE) | Q4_K_M (GGUF) | 463 GB | 跑不动 | — |
| Kimi K2 (1T MoE) | Q4_K_M (GGUF) | 631 GB | 跑不动 | — |
| DeepSeek V4 Pro (1.6T MoE) | Q4_K_M (GGUF) | 983 GB | 跑不动 | — |
| Kimi K3 (2.8T MoE) | MXFP4 | 1.46 TB | 跑不动 | — |
你在 RTX 4060 Ti 16GB 上测过？
把模型、量化、推理栈版本、tok/s、峰值内存发给我们，核对后会署名收录到这一页。只收带命令或日志的一手读数。
提交实测读数FAQ
RTX 4060 Ti 16GB 最大能跑多大的本地大模型？
按推荐量化、16K 上下文估算，上限是 gpt-oss-20B（约需 12.6 GB，占 16GB 的 79%）。显卡上系统和显示会占 0.5~1GB，另外 llama.cpp / vLLM 的 CUDA graph 与激活缓冲也要留余量。
RTX 4060 Ti 16GB 跑哪些模型体验最好？
占用不超过 12GB 的模型可以开长上下文且不用关应用，例如 Qwen3.5-9B、Llama 3.1 8B、Qwen3-4B。
RTX 4060 Ti 16GB 跑本地模型每秒能出多少 token？
单请求解码主要受内存带宽限制：理论上限 ≈ 288GB/s ÷ 权重体积。例如 15GB 的 27B 4-bit 模型上限约 19 tok/s，实测通常是上限的 70%~85%；投机解码（草稿模型）可再提 1.5~2 倍。
表里的数字是实测还是估算？
「能跑什么」表是规划级估算（与显存计算器同一公式）；「一手实测」表是本站在这台机器上用真实模型文件测出的读数，每行都链接到原文，可复核。