NVIDIA L4 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 24 GB GDDR6、300 GB/s 带宽，L4 可在 Q4_K_M、8K 上下文下运行目录中的 118 个模型。能放下的最大模型是 Qwen 3 32B（约 22.8 GB），首选是 Laguna XS 2.1 33B-A3B，速度 44–85 tok/s。
24 GB GDDR6，300 GB/s，72 W 单槽半高卡。显存充足，带宽较低。常见于云实例。
可在 L4 上运行的模型
Q4_K_M，8K 上下文，可用 24 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 24 GB | 显存 | 速度 |
|---|---|---|---|
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 44–85 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 24–46 tok/s | |
| Nemotron-Cascade 2 30B-A3B Nemotron Cascade 2 | 19.9 GB | 42–80 tok/s | |
| Qwen 3 30B-A3B (MoE) Qwen 3 | 20 GB | 56–107 tok/s | |
| Qwen3-Coder 30B-A3B (MoE) Qwen3-Coder | 20 GB | 56–107 tok/s | |
| GLM-4.7-Flash 30B-A3B GLM-4.7 / GLM-Z1 | 18.9 GB | 45–87 tok/s | |
| Nemotron 3 Nano Omni 30B-A3B Nemotron 3 Nano Omni | 18.9 GB | 45–87 tok/s | |
| North Mini Code 1.0 30B-A3B North Mini Code | 18.9 GB | 45–87 tok/s | |
| Nemotron 3.5 Lightning 30B-A3B Nemotron 3.5 | 18.9 GB | 45–87 tok/s | |
| Trinity Mini Trinity | 16.9 GB | 74–142 tok/s | |
| Gemma 4 26B-A4B Gemma 4 | 16.5 GB | 40–77 tok/s | |
| LFM2.5-24B-A2B LFM2.5 | 15.5 GB | 84–161 tok/s |
购买显卡，或租用同等显存
直接购买显卡，或按小时租用同等显存的 GPU，先试用模型。
或在 Vast.ai 比较，低至 $0.35/小时 (typical low · varies)
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
与其他 GPU 的速度对比
Llama 3.1 8B，Q4_K_M。估算区间。 计算方法
规格
规格更新于 2026-10-07。
- 显存
- 24 GB GDDR6
- 内存带宽
- 300 GB/s
- 显存位宽
- 192-bit
- 架构
- Ada Lovelace AD104
- 系列
- Data center
- 整卡功耗
- 72 W
- 发布年份
- 2023
- 计算后端
- CUDA
- 模型可用
- 24 GB
相似 GPU
常见问题
NVIDIA L4 能运行本地大模型吗？
可以。它有 24 GB（模型可用 24 GB），在 Q4_K_M、8K 上下文下可运行目录中的 118 个模型；最大的是 Qwen 3 32B，约需 22.8 GB。
NVIDIA L4 的 AI 推理速度有多快？
估计它在 Q4_K_M 下运行 Llama 3.1 8B 的速度为 32–61 tok/s。Llama 3.3 70B 放不下：约需 44 GB，而可用只有 24 GB。这些是基于内存带宽的模型估算，并非实测；公式见方法说明页。
24 GB 能运行哪些大模型？
能放下的最佳模型包括：Laguna XS 2.1 33B-A3B、Granite 4.0 Small-H 32B-A9B、Nemotron-Cascade 2 30B-A3B、Qwen 3 30B-A3B (MoE)、Qwen3-Coder 30B-A3B (MoE)。