NVIDIA L40S 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 48 GB、864 GB/s 带宽，L40S 可在 Q4_K_M、8K 上下文下运行目录中的 126 个模型。能放下的最大模型是 Llama 3.3 70B Instruct（约 45.7 GB），首选是 Cosmos 3 Super，速度 23–45 tok/s。
The mainstream rack-server inference card of the Ada generation: 48 GB GDDR6, passive cooling (needs server chassis airflow), widely available in 1–8× configurations from Dell, HPE, Lenovo, and Supermicro. A common building block for on-prem AI pilots because it slots into standard 2U servers without exotic power or cooling.
可在 L40S 上运行的模型
Q4_K_M，8K 上下文，可用 48 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 48 GB | 显存 | 速度 |
|---|---|---|---|
| Cosmos 3 Super Cosmos 3 | 39.4 GB | 23–45 tok/s | |
| K2 Horizon MoVA 36B-A4B K2 Horizon | 25 GB | 94–181 tok/s | |
| Qwen 3.6 35B-A3B Qwen 3.6 | 22.1 GB | 145–279 tok/s | |
| Nex-N2.5 mini Nex-N2.5 | 21.9 GB | 100–192 tok/s | |
| Nex-N2 mini Nex-N2 | 21.9 GB | 100–192 tok/s | |
| Qwen 3.5 35B-A3B Qwen 3.5 | 21.9 GB | 100–192 tok/s | |
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 101–193 tok/s | |
| Qwen 3 32B Qwen 3 | 22.8 GB | 23–44 tok/s | |
| Aya Expanse 32B Aya Expanse | 21.6 GB | 24–47 tok/s | |
| EXAONE 3.5 32B EXAONE 3.5 | 22.3 GB | 24–45 tok/s | |
| Cogito v1 32B Cogito v1 | 22.3 GB | 24–45 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 60–116 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。
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 2026-07-21。
- 显存
- 48 GB
- 内存带宽
- 864 GB/s
- 架构
- Ada Lovelace AD102
- 系列
- Server
- 整卡功耗
- 350 W
- 发布年份
- 2023
- 首发价格
- $7,499
- 模型可用
- 48 GB
相似 GPU
常见问题
NVIDIA L40S 能运行本地大模型吗？
可以。它有 48 GB（模型可用 48 GB），在 Q4_K_M、8K 上下文下可运行目录中的 126 个模型；最大的是 Llama 3.3 70B Instruct，约需 45.7 GB。
NVIDIA L40S 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 77–147 tok/s。Llama 3.3 70B 的估算为 12–23 tok/s。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。
48 GB 能运行哪些大模型？
能放下的最佳模型包括：Cosmos 3 Super、K2 Horizon MoVA 36B-A4B、Qwen 3.6 35B-A3B、Nex-N2.5 mini、Nex-N2 mini。最快的上手方式是 Ollama：ollama run llama3.3:70b。