512G 显存有哪些卡
这一档站内共 2 张卡，按带宽从高到低排。点一张卡看它的完整结论：能跑哪些模型、什么量化、能开多大上下文、大概多快。
先演一个算例：Qwen3-235B-A22B（235B）在 Apple M5 Ultra 512G（统一内存） 上能整卡装下——流畅
| 权重（Q8_0） | 249.7 GB |
|---|---|
| KV 缓存（4K 上下文） | 0.73 GB |
| 框架开销 | 1 GB |
| 合计需要 | 251.4 GB / 可用 384 GB（macOS 统一内存口径） |
| 结论 | 余量 132.6 GB，还能把上下文开到约 40,960 token（估算 ±30%） |
| 估算速度 | 30–42 tok/s（decode，4K 上下文，单流） |
这只是粗算，和全站推算页同一个公式、同一个口径（估算值 ±30%，非实测）。这张卡和这个模型的完整组合表还没收录，点上面的卡看它全部结论。
相关条目
上下文（ctx）到底是什么？8K 能装多少字？上下文是模型一次能『看见』的总字数预算，输入和它的回答共用这个预算。8K token 大约相当于中文 4000–5500 字。我该配多大的显存？给一条按容量而不是按型号的阶梯8G 只能玩 4B–8B 且上下文紧；16G 是本地第一台最省事的容量点；24G 能认真用 32B；48G 起才谈得上 70B。别买 8G 新卡。16G 显存到底能干什么？（最常被问的一档）能舒服跑 8B Q8 / 14B Q6_K / 12B Q6_K，能勉强跑 27B–36B 的 Q3 但上下文几乎没有，用 MoE 放内存可以跑 30B 级还很流畅。『小模型跑 Q8、大模型跑 Q4、再大跑 Q3』这个说法对不对？方向对，但要按显存档位落地。4B–9B 跑 Q8 确实合适；12B–14B 在 16G 上 Q8 会把上下文挤光，Q6_K 才是甜点；27B+ 在 16G 上 Q4 根本塞不进去。Windows 还是 Linux？差别有多大？同样硬件下 Linux 大约能多用 10% 显存（没有桌面合成器吃那块），驱动/权限要额外折腾。新手建议先 Windows 跑通，再决定值不值得换。