NVIDIA RTX Pro 6000 Blackwell 96G：能跑什么模型

96G 显存 · 可用约 84.5G（Windows 口径 88%）· 960 GB/s 带宽 · Blackwell · 全新 · 后端：cuda / vulkan

96G大显存专业卡，适合70B+模型全驻留推理。

能装下43 / 67 个模型

最大能跑到Qwen3.8-Flash-Next（Q4_K_M）

单流速度上限约 200 tok/s

他测汇总1 条（口径完整 0 条）

一、这张卡能装下哪些模型

能装 / 装不下是推算，不是实测；点开一行是这个模型的完整文章。带测试环境的真机数字在第三节。

Qwen3-4B4BQ8_0 Gemma 3 4B IT4B · 滑窗Q8_0 Qwen3-8B8BQ8_0 Llama 3.1 8B Instruct8BQ8_0 GLM-4-9B 04149BQ8_0 Qwen3-14B14BQ8_0 Gemma 3 12B IT12B · 滑窗Q8_0 Phi-4 14B14.7BQ8_0 GPT-OSS-20B21B · A3.6B · MoEQ8_0 Qwen3-30B-A3B30B · A3B · MoEQ8_0 Mistral Small 3.1 24B22BQ8_0 Gemma 3 27B IT27B · 滑窗Q6_K Qwen3-32B32BQ8_0 DeepSeek-R1-Distill-Qwen-32B32BQ8_0 Seed-OSS-36B-Instruct36BQ8_0 Llama 3.1 70B Instruct70BQ8_0 Qwen3-235B-A22B235B · A22B · MoE装不下 Qwen3.8-27B26.9BQ6_K Qwen2.5-VL-7B-Instruct7BQ8_0 Qwen3.6-35B-A3B35B · A3B · MoEQ8_0 Ornith-1.5-35B-A3B36B · A3B · MoEQ8_0 Terminal-RSI-27B27.8BQ8_0 AREX-227.4BQ8_0 MiniCPM5-2B2.5BQ8_0 Qwen3.8-Flash-Next125B · A6B · MoEQ4_K_M DeepSeek-V4.1-Flash552B · A8B · MoE装不下 LFM3-1.7B1.7B · 滑窗Q8_0 Muse Glimmer-30B29.8B · 滑窗Q8_0 GLM-5.3753B · A40B · MoE装不下 Kimi K32800B · A104B · MoE装不下 Ling-3.2-flash560B · A25B · MoE装不下 Ling-3.1-flash560B · A25B · MoE装不下 MiniMax-M3.1-Flash428B · A23B · MoE装不下小米 MiMo-V2.6-Flash309B · A15B · MoE装不下小米 MiMo-V2.6-Distill-Qwen-9B9BQ8_0 NVIDIA Nemotron 3 Ultra550B · A55B · MoE装不下 GLM-5.3-Flash320B · A18B · MoE装不下 NVIDIA Nemotron 3.5 Lightning 30B30B · A3B · MoEQ8_0 NVIDIA Nemotron 3.5 Bolt 74B74B · A9B · MoEQ8_0 Muse Spark Open 816B816B · A42B · MoE装不下 Beam 1.0 501B501B · A23B · MoE装不下 Qwen3.8-2.4T-A95B2400B · A95B · MoE装不下 Kolibri-178.1B · A3.46B · MoEQ8_0 小米 MiMo-V2.6-Pro-RL1020B · A42B · MoE装不下腾讯混元 Hunyuan-0.5B0.5BQ8_0 腾讯混元 Hunyuan-1.8B1.8BQ8_0 腾讯混元 Hunyuan-4B4BQ8_0 腾讯混元 Hunyuan-7B7BQ8_0 MiniCPM-V 4.7 35B-A3B35.2B · A3.5B · MoEQ8_0 MiniCPM-V 4.7 1B1.55BQ8_0 Kimi K3.1 Pro2800B · A104B · MoE装不下 Step-5-Preview600B · A27B · MoE装不下 Ling-3.0-flash124B · A5.1B · MoEQ4_K_M Gemma 4 12B Unified11.95B · 滑窗Q8_0 Mistral Large 41050B · A52B · MoE装不下 Inkling975B · A41B · MoE装不下 Inkling-Small276B · A12B · MoE装不下 IBM Granite 4.2 30B30BQ8_0 IBM Granite 4.2 8B8BQ8_0 IBM Granite 4.2 3B3BQ8_0 K-EXAONE 2.0750B · A37B · MoE装不下 Tencent Hy4 preview770B · A49B · MoE装不下 MiniMax-M3428B · A23B · MoE装不下 Swift-1.5-Qwen3.8-27B27.8BQ8_0 DeepSeek-V4.1-Flash-1017552B · A8B · MoE装不下 ERNIE-5.5-Flash-Base280B · A14B · MoE装不下 DeepSeek-R1-Distill-Qwen-14B14BQ8_0

二、多少 G 显存开多少 K 上下文

行是量化档，列是上下文档位，格子里是「总需显存 / 估算 tok/s」。这张表回答的是「开到 32K、40K 还剩多少」这类问题。默认展开Qwen3-32B；换别的模型看同一张卡，选一下即可。

· Qwen3-32B，模型原生上下文上限 40960 token

量化	4K	8K	16K	32K	40K	64K	128K	最多可开
Q8_0 34G	36G 16–23	37G 16–22	39G 15–21	43G 13–18	45G 12–17	51G 10–14†	67G 8–10†	40960 token（模型原生上限）
Q6_K 26.2G	28.2G 21–30	29.2G 20–28	31.2G 18–26	35.2G 16–22	37.2G 15–20	43.2G 12–17†	59.2G 8–11†	40960 token（模型原生上限）
Q5_K_M 22.4G	24.4G 24–34	25.4G 23–32	27.4G 21–29	31.4G 17–24	33.4G 16–22	39.4G 13–18†	55.4G 9–12†	40960 token（模型原生上限）
Q4_K_M 19.2G	21.2G 28–40	22.2G 26–37	24.2G 23–33	28.2G 19–27	30.2G 18–24	36.2G 14–19†	52.2G 9–13†	40960 token（模型原生上限）
IQ4_XS 17G	19G 31–44	20G 29–41	22G 26–36	26G 21–29	28G 19–26	34G 15–21†	50G 10–13†	40960 token（模型原生上限）
IQ3_K 14G	16G 38–53	17G 35–48	19G 30–41	23G 23–32	25G 21–29	31G 16–22†	47G 10–14†	40960 token（模型原生上限）
IQ3_XXS 12.1G	14.1G 43–60	15.1G 39–55	17.1G 33–46	21.1G 25–35	23.1G 23–31	29.1G 17–23†	45.1G 11–14†	40960 token（模型原生上限）

格子里上行是总需显存（权重 + 该上下文的 KV + 1G 框架开销），下行是单流 decode 估算 tok/s；「混跑」表示超出显存、要靠内存放层，速度会明显低于同容量的全显存方案。带 ^† 的列超出该模型原生上下文，属于 rope/yarn 超纲使用，质量不保证。全部为推算，非实测。

三、别人测的 NVIDIA RTX Pro 6000 Blackwell 96G 速度（他测汇总）

模型	量化	上下文	框架 / 版本	他测 tok/s	本站推算	偏差	投机与并发	口径	来源
GLM-5.3-Flash	FP8	32K	SGLang + KTransformers（KT-Kernel 0.7.0.post4，CUDA 13.0） · KT-Kernel/sglang-kt 0.7.0.post4，--kt-num-gpu-experts 14，--kt-cpuinfer 64 · 2 卡（互联未报）	11	—	缺 2 项口径	无投机 · 单流	口径不全·不进对比	KTransformers 教程：在本地运行 GLM-5.3-Flash（DataCamp，Abid Ali Awan，2026-10-06） Abid Ali Awan（DataCamp） · 2026-10-06

本卡共 1 条，其中 0 条口径完整。 “本站推算”给的是同量化、同上下文、单流口径下的公式区间，两边对不上才值得写进点评。多卡的条目按卡数把带宽线性相加再算，没扣通信开销——这个折算只会把本站推算算高、把他测显得低，所以拿它当“物理上限”看，不当预期值看。

上传实测数据 · 数据规则见数据口径

本卡行情（整卡价）

本卡暂无可核对出处的整卡价快照。语料里出现过的价格必须带作者、链接、发布日期才入库，没有就空着——价格是最容易过期、也最容易被编的字段。

同档显存的其它卡

手上有 96G 卡就点自己的型号；一行一张卡，点开就是那张卡的结论页。

规格与数据来源

上面的显存、带宽、架构数字来自下面这些页面；口径说明逐条附后。没有可核对出处的字段，本站留空，不填一个编出来的数。

口径：规格与档位来自《显卡/闲鱼调研汇总.md》（2026-11-09 本站调研汇总，**无外链**，作者=本站调研，C 级单源待复核）；闲鱼二手价格波动大，只作量级参考，不作购买建议。官方产品页未取得（nvidia.com 对应页 404 或未上架），规格为二手渠道/社区口径，C 级单源待复核。官方规格来源（https://www.nvidia.com/en-us/products/）：核心参数（显存/带宽/架构）以该页为准；闲鱼档位仍来自《显卡/闲鱼调研汇总.md》（本机调研，无外链，C 级）。