证据: 基准测试结果由厂商自行报告
Granite Switch 4.1 8B — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
Granite 4.1 8B 与两个 aLoRA 适配器（decision 和 guardian-core）及一个编码器组合：一个检查点共 8.8B 参数，上下文 128K。聊天模板中的控制 token 按请求选择适配器。4.1.1 修订版（2026 年 10 月 27 日）更新了决策适配器。提供官方 GGUF；llama.cpp 自 2026 年 10 月 16 日起支持决策适配器。
Granite Switch 4.1 8B 在 Q4_K_M 下约需 6 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)。包含 8K 上下文的 KV 缓存，因此数值高于上方的主数字。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 5.1 GB | ~143 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 6 GB | ~123 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 7.5 GB | ~98 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 8.4 GB | ~88 tok/s | 可运行 | |
| Q6_K 6.56 bpw | 9.4 GB | ~79 tok/s | 可运行 | |
| Q8_0 8.50 bpw | 11.5 GB | ~64 tok/s | 可运行 | |
| F16 16.00 bpw | 19.8 GB | ~38 tok/s | 可运行 |
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 Switch 4.1 8B 显存计算器 →
运行 Granite Switch 4.1 8B
目录中能运行 Granite Switch 4.1 8B 的最便宜 GPU 是 Intel Arc B570 (10 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 Switch 4.1 8B
No Ollama tag. Use IBM's official GGUF with llama.cpp.
规格
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- 参数量
- 8.8 Billion (base + adapters + encoder)
- 上下文窗口
- 131,072
- 架构
- Dense Transformer (GQA) with aLoRA adapters
- 提供商
- IBM
- 许可证
- Apache-2.0
- Practical deployment
- Laptop
- 规格量化
- Q4_K_M
- 系统内存
- 16 GB
- 记录更新于
- 2026-11-03
Commercial use permitted. No usage restrictions beyond attribution.
限制与注意事项
- A composed checkpoint: the adapters are reached through control tokens, so a plain chat client uses only the base model.
- Kept out of general chat rankings; compare it with Granite 4.1 8B for plain chat.
另请参阅 Granite 4.1 8B
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。
IBM Granite Switch 4.1 的其他尺寸
Granite Switch 4.1 8B — 常见问题
How much VRAM does Granite Switch 4.1 8B need?
About 6 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 Switch 4.1 8B run on an RTX 4090 (24 GB)?
Yes. Granite Switch 4.1 8B needs about 6 GB at Q4_K_M, inside a 24 GB card, at an estimated 98 tokens/sec.
How do I run Granite Switch 4.1 8B locally?
No Ollama tag. Use IBM's official GGUF with llama.cpp. Running the published tag would send your prompts to a hosted GPU rather than your own machine.
What other sizes does IBM Granite Switch 4.1 come in?
Granite Switch 4.1 8B (6 GB), Granite Switch 4.1 30B (19 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.