证据: 基准测试结果由厂商自行报告
Seed-OSS-36B-Instruct — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
字节跳动 Seed 的稠密 36B 开放权重模型，具备可控的思考预算、原生 512K 上下文和 Apache-2.0 许可证。上游 llama.cpp 已实现该架构，vLLM 0.10 或更新版本通过专用工具调用解析器提供服务，并且存在社区 GGUF。它发布于 2025 年 8 月，因此列为受支持的旧版。512K 上下文并不是单 GPU 的承诺：由于全部 64 层都使用完整注意力，其 KV 缓存非常大。
Seed-OSS-36B-Instruct 在 Q4_K_M 下约需 23 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 | 14.8 GB | ~52 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 18.4 GB | ~42 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 24.7 GB | ~5 tok/s | 需卸载 | |
| Q5_K_M 5.67 bpw | 28.6 GB | ~4 tok/s | 需卸载 | |
| Q6_K 6.56 bpw | 32.6 GB | ~3 tok/s | 需卸载 | |
| Q8_0 8.50 bpw | 41.4 GB | ~3 tok/s | 需卸载 | |
| F16 16.00 bpw | 75.2 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. Seed-OSS-36B-Instruct 显存计算器 →
运行 Seed-OSS-36B-Instruct
目录中能运行 Seed-OSS-36B-Instruct 的最便宜 GPU 是 NVIDIA GeForce RTX 5090 (32 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 Seed-OSS-36B-Instruct
没有官方的 Ollama、GGUF 或 MLX 产物。llama.cpp 支持该架构，并且存在社区 GGUF 文件（LM Studio 自己的社区账号发布了一个）；官方路线是 vLLM 0.10 或更新版本。
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
- 36.2 Billion
- 上下文窗口
- 524,288
- 架构
- Dense transformer (GQA, 64 layers)
- 提供商
- ByteDance Seed
- 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
- 2026-10-06
Commercial use permitted. No usage restrictions beyond attribution.
限制与注意事项
- 2025 年 8 月发布；已有更新的推理模型。
- 没有官方的 GGUF、Ollama 或 MLX 产物。
- 长上下文下 KV 缓存非常大。
- 模型卡上的基准表由厂商自行运行，建议采样温度 1.1、top_p 0.95。
另请参阅 Qwen3.8 27B
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。
Seed-OSS-36B-Instruct — 常见问题
How much VRAM does Seed-OSS-36B-Instruct need?
About 23 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 Seed-OSS-36B-Instruct run on an RTX 4090 (24 GB)?
Yes. Seed-OSS-36B-Instruct needs about 23 GB at Q4_K_M, inside a 24 GB card, at an estimated 5 tokens/sec.
How do I run Seed-OSS-36B-Instruct locally?
没有官方的 Ollama、GGUF 或 MLX 产物。llama.cpp 支持该架构，并且存在社区 GGUF 文件（LM Studio 自己的社区账号发布了一个）；官方路线是 vLLM 0.10 或更新版本。 Running the published tag would send your prompts to a hosted GPU rather than your own machine.