NVIDIA GeForce RTX 4070 Super 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 12 GB、504 GB/s 带宽，RTX 4070 Super 可在 Q4_K_M、8K 上下文下运行目录中的 74 个模型。能放下的最大模型是 Gemma 3 12B Instruct（约 11.1 GB），首选是 Cosmos 3 Nano，速度 44–84 tok/s。
Best-value 12 GB GPU in the 40-series. More compute than the base 4070 at the same MSRP, at 220W TDP. The go-to recommendation for $600 builds.
可在 RTX 4070 Super 上运行的模型
Q4_K_M，8K 上下文，可用 12 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 12 GB | 显存 | 速度 |
|---|---|---|---|
| Cosmos 3 Nano Cosmos 3 | 10.5 GB | 44–84 tok/s | |
| Ministral 3 14B Ministral 3 | 9.3 GB | 29–56 tok/s | |
| DeepSeek R1 Distill Qwen 14B DeepSeek R1 | 10.6 GB | 29–57 tok/s | |
| Mellum2.1 12B Thinking Mellum2.1 | 9 GB | 120–230 tok/s | |
| Gemma 4 12B (Unified) Gemma 4 | 8 GB | 33–64 tok/s | |
| Mistral NeMo 12B Mistral Family | 9.4 GB | 33–64 tok/s | |
| Bielik PL 11B v3.0 Instruct Bielik | 7.4 GB | 36–69 tok/s | |
| Llama 3.2 Vision 11B Llama 3.2 Vision | 8.5 GB | 36–70 tok/s | |
| Llama 3.2 11B Vision Instruct Llama 3.2 Family | 8.5 GB | 36–70 tok/s | |
| Falcon 3 10B Instruct Falcon 3 | 8.4 GB | 37–71 tok/s | |
| Qwen 3.5 9B Qwen 3.5 | 6.5 GB | 47–91 tok/s | |
| GLM-4 9B GLM-4.7 / GLM-Z1 | 6.2 GB | 42–80 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 2026-09-29。
- 显存
- 12 GB
- 内存带宽
- 504 GB/s
- 架构
- Ada Lovelace AD104
- 系列
- RTX 40-series
- 整卡功耗
- 220 W
- 发布年份
- 2024
- 首发价格
- $599
- 模型可用
- 12 GB
相似 GPU
常见问题
NVIDIA GeForce RTX 4070 Super 能运行本地大模型吗？
可以。它有 12 GB（模型可用 12 GB），在 Q4_K_M、8K 上下文下可运行目录中的 74 个模型；最大的是 Gemma 3 12B Instruct，约需 11.1 GB。
NVIDIA GeForce RTX 4070 Super 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 50–96 tok/s。Llama 3.3 70B 放不下：约需 44 GB，而可用只有 12 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。
12 GB 能运行哪些大模型？
能放下的最佳模型包括：Cosmos 3 Nano、Ministral 3 14B、DeepSeek R1 Distill Qwen 14B、Mellum2.1 12B Thinking、Gemma 4 12B (Unified)。最快的上手方式是 Ollama：ollama run llama3.1:8b。