Qwen3 32B 如何本地部署？
Qwen3 32B 是 32.8B 參數的稠密模型。Q4 量化最低需要 22GB 記憶體，8K 上下文下建議 28GB。目前最便宜能跑的顯示卡是 Tesla V100 32GB，約 NT$35,903，預估 31.2 tokens/s。
Qwen3 32B 版本資訊
發布日期2025年4月27日
Hugging Face 倉庫Qwen/Qwen3-32B
小版本—
授權Apache-2.0
架構稠密
GGUF 倉庫Qwen/Qwen3-32B-GGUF
Ollama 標籤qwen3:32b
Q4 最低記憶體22 GB · Q4_K_M · 8K
參數量32.8B
層數64
隱藏維度5,120
KV 頭8
頭維度128
上下文上限40K
廠商Alibaba
Qwen3 32B 本地部署需要多少顯示記憶體？
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| 1-bit | 8.3GGUF | 10.7 | 16.7 | — |
| 2-bit | 12.8GGUF | 15.2 | 21.2 | — |
| 3-bit | 16.4GGUF | 18.7 | 24.7 | — |
| 4-bit | 19.8GGUF | 21.3 | 27.3 | — |
| 5-bit | 23.2GGUF | 25.1 | 31.1 | — |
| 8-bit | 34.8GGUF | 37 | 43 | — |
| FP16 | 65.5GGUF | 67.1 | 73.1 | — |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 40K 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 Qwen3 32B？
AmazonJP
判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。
用 Ollama / llama.cpp / vLLM 本地部署 Qwen3 32B
Ollama
Ollama 一行指令拉起，量化檔位由官方標籤決定。
ollama run qwen3:32b
llama.cpp
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf Qwen/Qwen3-32B-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve Qwen/Qwen3-32B
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
Qwen3 32B 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Qwen3 32B 約需 22GB 記憶體，留到 28GB 更穩。
哪張顯示卡最便宜能跑 Qwen3 32B？
Tesla V100 32GB，32GB 記憶體，目前中位價約 NT$35,903，預估 31.2 tokens/s。
Qwen3 32B 能用 Ollama 跑嗎？
能，指令是 ollama run qwen3:32b。