Microsoft14BQ4_K_M 下约 9 GB 显存

Phi-4 (14B) — 显存、速度与本地部署

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

作者： Jakub Rusinowski · 最后更新： 2025年1月6日

A powerhouse for 12GB+ VRAM GPUs. Exceptional reasoning capabilities derived from synthetic textbook quality data.

Phi-4 (14B) 在 Q4_K_M 下约需 9 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。

逻辑94

创意80

编程90

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	速度（估算）	适配
Q2_K 2.63 bpw	7.1 GB	~106 tok/s	可运行
Q3_K_M 3.41 bpw	8.4 GB	~89 tok/s	可运行
Q4_K_M 4.83 bpw	10.9 GB	~69 tok/s	可运行
Q5_K_M 5.67 bpw	12.4 GB	~61 tok/s	可运行
Q6_K 6.56 bpw	14 GB	~54 tok/s	可运行
Q8_0 8.50 bpw	17.4 GB	~43 tok/s	可运行
F16 16.00 bpw	30.5 GB	~4 tok/s	需卸载

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. Phi-4 (14B) 显存计算器 →

运行 Phi-4 (14B)

目录中能运行 Phi-4 (14B) 的最便宜 GPU 是 Intel Arc B580 (12 GB).

购买此硬件 Intel Arc B580 12GB — 12 GB VRAM · 190 W board power 立即云端部署 RunPod 上的 RTX 4090 — 低至 $0.34/小时 · 价格核实于 2026-07

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。

联盟营销声明: 本页部分链接为联盟推广链接——如果你通过它们购买，LLM Configurator 可能会获得佣金，而你无需支付任何额外费用。作为亚马逊联盟成员（Amazon Associate），LLM Configurator 会从符合条件的购买中获得收益。

Intel Arc B580 12GB

12 GB VRAM · 190 W board power

2026年价格波动较大——请以当前商品页价格为准。

在亚马逊查看价格

如何运行 Phi-4 (14B)

安装 Ollama，然后运行：

$ollama run phi4

Hugging Face 上的权重： microsoft/phi-4 ↗

Download Phi-4 (14B) — GGUF Quantizations

Pick a quantization and open it in LM Studio, Ollama, or Jan, or download the raw .gguf file directly. Quant list and sizes resolved from Hugging Face.

Phi-4 (14B) — GGUF quants · bartowski/phi-4-GGUF

Quant	Size	Download (.gguf)
Q3_K_M	5.97 GB (est.)	phi-4-Q3_K_M.gguf
Q4_K_M	8.45 GB (est.)	phi-4-Q4_K_M.gguf
Q5_K_M	9.92 GB (est.)	phi-4-Q5_K_M.gguf
Q6_K	11.48 GB (est.)	phi-4-Q6_K.gguf
Q8_0	14.88 GB (est.)	phi-4-Q8_0.gguf

Download in LM Studio: lms get bartowski/phi-4-GGUF

Want this model on your phone? You can run it on your desktop with LM Studio and chat from your iPhone or iPad over an encrypted link — see Run LM Studio Models on Your Phone (LM Link).

规格

Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.

参数量: 14 Billion
上下文窗口: 16,000
架构: Dense
提供商: Microsoft
许可证: MIT
Practical deployment: Laptop
规格量化: Q4_K_M
系统内存: 16 GB
记录更新于: 2025-01-06

许可证MIT允许商业使用

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。

最适合reasoningmathstem

我的 GPU 能运行 Phi-4 (14B) 吗？

Phi-4 Family 的其他尺寸

Phi-4 Reasoning Vision 15BQ4_K_M 下约 10 GB

Phi-4 (14B) — 常见问题

How much VRAM does Phi-4 (14B) need?

About 9 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 Phi-4 (14B) run on an RTX 4090 (24 GB)?

Yes. Phi-4 (14B) needs about 9 GB at Q4_K_M, inside a 24 GB card, at an estimated 69 tokens/sec.

How do I run Phi-4 (14B) locally?

Install Ollama and run `ollama run phi4`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does Phi-4 Family come in?

Phi-4 (14B) (9 GB), Phi-4 Reasoning Vision 15B (10 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.