Granite 4.0 Small-H 32B-A9B — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
The largest Granite 4.0 build — 32B total, 9B active, on a hybrid mamba-2 architecture (the '-h' suffix). Also published as `granite4:small-h`. The mamba-2 hybrid keeps memory growth flatter than a pure transformer at long context, which is the point for document-heavy enterprise RAG. Around 19 GB at the default Q4_K_M, so a single 24GB card. Twelve languages including English, German, Spanish, French, Japanese, Portuguese, Arabic, Czech, Italian, Korean, Dutch and Chinese.
Granite 4.0 Small-H 32B-A9B 在 Q4_K_M 下约需 20 GB 显存——量化权重加框架开销，不含 KV 缓存。在 Apple Silicon 上，这部分来自统一内存。
按量化级别的显存与速度
计算基准：NVIDIA RTX 4090 (24 GB)。仅含权重与开销：该模型架构未公开，因此未计入 KV 缓存。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 11.3 GB | ~135 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 14.4 GB | ~117 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 20.1 GB | ~94 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 23.5 GB | ~84 tok/s | 勉强 | |
| Q6_K 6.56 bpw | 27 GB | ~11 tok/s | 需卸载 | |
| Q8_0 8.50 bpw | 34.8 GB | ~9 tok/s | 需卸载 | |
| F16 16.00 bpw | 64.8 GB | — | 放不下 |
黑色标记 = NVIDIA RTX 4090 (24 GB) 上的可用显存。 估算来自内存带宽屋顶线模型，详见 方法说明页. Granite 4.0 Small-H 32B-A9B 显存计算器 →
运行 Granite 4.0 Small-H 32B-A9B
目录中能运行 Granite 4.0 Small-H 32B-A9B 的最便宜 GPU 是 AMD Radeon RX 7900 XTX (24 GB).
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。
如何运行 Granite 4.0 Small-H 32B-A9B
安装 Ollama，然后运行：
ollama run granite4:32b-a9b-h规格
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.
- 参数量
- 32 Billion (9B active)
- 上下文窗口
- 128,000
- 架构
- Hybrid Mamba-2 + Mixture-of-Experts
- 提供商
- IBM
- 许可证
- Apache 2.0
- Practical deployment
- Single consumer GPU
- 规格量化
- Q4_K_M
- 系统内存
- 32 GB
- 记录更新于
- 2026-08-15
Commercial use permitted. No usage restrictions beyond attribution.
质量与使用场景
评分由模型作者或独立评测方发布——衡量质量而非吞吐量，并非我们实测。
我的 GPU 能运行 Granite 4.0 Small-H 32B-A9B 吗？
- IBM Granite 4.0 在 AMD Radeon RX 7800 XT 上
- IBM Granite 4.0 在 AMD Radeon RX 7900 XT 上
- IBM Granite 4.0 在 AMD Radeon RX 7900 XTX 上
- IBM Granite 4.0 在 AMD Radeon RX 9060 XT 16GB 上
- IBM Granite 4.0 在 AMD Radeon RX 9060 XT 8GB 上
- IBM Granite 4.0 在 AMD Radeon RX 9070 上
- IBM Granite 4.0 在 AMD Radeon RX 9070 XT 上
- IBM Granite 4.0 在 Apple M1 上
- IBM Granite 4.0 在 Apple M1 Pro 上
- IBM Granite 4.0 在 Apple M2 上
- IBM Granite 4.0 在 Apple M2 Pro 上
- IBM Granite 4.0 在 Apple M3 上
- IBM Granite 4.0 在 Apple M3 Pro 上
- IBM Granite 4.0 在 Apple M4 上
- IBM Granite 4.0 在 Apple M4 Pro 上
- IBM Granite 4.0 在 Apple M5 上
- IBM Granite 4.0 在 Intel Arc B570 上
- IBM Granite 4.0 在 Intel Arc B580 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 3060 (12GB) 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 3070 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 3070 Ti 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 3080 (10GB) 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 3090 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4060 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4060 Ti 16GB 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4070 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4070 Super 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4070 Ti 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4070 Ti Super 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4080 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4080 Super 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 4090 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5060 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5060 Ti 16GB 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5070 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5070 Ti 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5080 上
- IBM Granite 4.0 在 NVIDIA GeForce RTX 5090 上
- IBM Granite 4.0 在 NVIDIA L40S 上
- IBM Granite 4.0 在 NVIDIA RTX 6000 Ada Generation 上
Granite 4.0 Small-H 32B-A9B — 常见问题
How much VRAM does Granite 4.0 Small-H 32B-A9B need?
About 20 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Granite 4.0 Small-H 32B-A9B run on an RTX 4090 (24 GB)?
Yes. Granite 4.0 Small-H 32B-A9B needs about 20 GB at Q4_K_M, inside a 24 GB card, at an estimated 94 tokens/sec.
How do I run Granite 4.0 Small-H 32B-A9B locally?
Install Ollama and run `ollama run granite4:32b-a9b-h`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.