数据方法

显卡价格怎么统计

价格取当前在售报价的中位数，而不是成交价。三个市场各自独立统计，每一轮记录中位数、四分位数和有效样本数：

每台设备都有独立的型号匹配规则，候选报价再经过自研算法审核：核对型号与显存，排除矿卡、配件、代购、整机和标错型号的商品，并剔除离群价格。价格、卖家或库存不明确的报价不计入。

有效样本少于 3 条时，这一轮不发布价格，页面显示为空。发布前还会做一致性校验，明显异常的结果不进入价格历史，沿用上一次的有效价格。价格每 6 小时更新一次，走势图保留全部历史。

价格指数怎么算

显卡大盘指数按每个市场的原币价格分别计算，纳入所有有有效历史报价的设备，每个型号计一台。基期设为 100，指数等于当前各型号中位价之和除以基期之和，再乘以 100。

新型号按加入当时的价格衔接进指数，不会被算成涨价；某个型号暂时缺报价时，沿用它上一次的有效价格。图表选择的时间范围只影响显示，不会重设基期；缺少 24 小时前的对应数据时，不显示 24 小时涨跌。

查看显卡大盘指数

内存价格怎么统计

内存按规格桶追踪，不追品牌型号。一个桶是「代际 × 速度 × 单条容量 × 是否服务器条」，例如 DDR5-6000 32GB。内存是标准化商品，同规格不同品牌的差价远小于规格之间的差别，按桶聚合比按型号更稳定。

榜上的价格一律是单条价。套装先按条数折算，例如「32GB（16GB×2）」算两条 16GB，计入 16GB 桶。条数无法确定的报价直接排除，不默认按一条计算，以免套装总价被当成单条价抬高中位数。ECC 不单独分档：DDR5 标题里只写 ECC 的，多数是片上 ECC，按普通条处理。

台式条与服务器条（RDIMM / LRDIMM）分属不同的桶：两者插不进同一类主板，也不是同一个市场。

最大内存 = 单条容量 × 条数，是参考配置下的容量，不代表所有主板的上限。带宽为理论值，实际受 CPU、主板和插法限制，插满也不保证跑到标称速率。三个市场的采集、发布门槛、24 小时涨跌和汇率口径都与显卡一致。

大模型需要多少显存：计算公式

一张卡能不能跑一个模型，看三部分加起来能否放进显存：模型权重、KV cache，以及推理框架自身的运行开销。

每参数字节由量化档位决定，系数 1.05 用于覆盖 GGUF 元数据、未量化的嵌入层等固定开销。各档位取值如下：

仓库里有这一档 GGUF 文件时，直接按文件实际大小计算，不用上面的公式；公式只用于没有文件的档位。专家层原生 4-bit 的模型（DeepSeek V4、Kimi K2.6 起、gpt-oss）8-bit 文件只有公式估算的一半左右，按文件算才准；生成速度里每 token 的读取量按同一比例换算。

模型页显存表里，标「GGUF」的权重是仓库里实测的文件大小，标「估」的按上面的公式由参数量估算。只按已核实文件列出的模型，没有核实文件的档位显示「—」，不按参数量补估。

KV cache 占多少显存

式中的 2 代表 K 与 V 两份，每个元素按 FP16 计 2 字节。这个公式假定每一层都为每个 token 存一份完整的 K 和 V，只适用于普通的多头注意力（MHA / GQA）；混合注意力、MLA、滑动窗口等结构见下一节。

KV cache 的例外：混合注意力、MLA 与滑动窗口

不少新模型并不是每一层都存完整的 KV，直接套用上面的公式，会把 KV cache 高估几倍到几十倍。本站按每个模型官方的 config.json 逐层推算，只计算随上下文增长的部分，分四类处理：

• 混合线性注意力：大部分层是线性注意力（Gated DeltaNet、KDA 等），每层只保留一份固定大小的状态，不随上下文增长；只有少数全注意力层（常见是每 4 层 1 层）存 KV。本站只按全注意力层计算，线性层的固定状态一般只有几百 MB，算在运行开销里。
• MLA 潜在注意力：每层每个 token 只缓存一个压缩后的潜在向量（通常 512 维，外加 64 维位置编码），不按注意力头数分别存 K 和 V。本站按潜在向量的维度计算，DeepSeek 稀疏注意力（DSA）也归在这一类。
• 压缩注意力：DeepSeek V4 系列把相邻的 4 个或 128 个 token 压成一条 KV，只有最近 128 个 token 保留原样。本站按每层的压缩比例计算，最近 128 个 token 只占几 MB，忽略不计；官方公布了数值的版本直接采用官方数值。
• 滑动窗口：大部分层只看最近固定长度的一段 token（窗口，Llama 4 的分块注意力也算在内），这些层的 KV 到窗口长度就不再增长，只有少数全局层随上下文增长。本站把两部分分开算。llama.cpp、Ollama 和 vLLM 默认都只按窗口长度给这些层分配显存。

模型	32K 上下文 KV cache	套用通用公式
GLM 5.3 Flash混合线性注意力	0.4 GB	96.6 GB
Kimi Linear 48B A3B混合线性注意力	0.3 GB	8.2 GB
Kimi K3混合线性注意力	0.9 GB	224.7 GB
Qwen3.5 9B混合线性注意力	1.1 GB	4.3 GB
Qwen3.6 27B混合线性注意力	2.1 GB	8.6 GB
Qwen3.6 35B A3B混合线性注意力	0.7 GB	2.7 GB
Qwen3.8 27B混合线性注意力	2.1 GB	8.6 GB
Qwen3.8 Flash Next混合线性注意力	0.8 GB	3.2 GB
Qwen3.8 2.4T A95B混合线性注意力	3.1 GB	12.3 GB
DeepSeek V3.2MLA 潜在注意力	2.3 GB	196.5 GB
GLM 4.7 FlashMLA 潜在注意力	1.8 GB	31.5 GB
GLM 5.2MLA 潜在注意力	2.9 GB	125.6 GB
GLM 5.3MLA 潜在注意力	2.9 GB	125.6 GB
Hy4 previewMLA 潜在注意力	2.9 GB	5.2 GB
Kimi K2MLA 潜在注意力	2.3 GB	98.2 GB
Kimi K2.5MLA 潜在注意力	2.3 GB	98.2 GB
Kimi K2.6MLA 潜在注意力	2.3 GB	98.2 GB
Kimi K2.7 CodeMLA 潜在注意力	2.3 GB	98.2 GB
DeepSeek V4 Flash压缩注意力	0.2 GB	2.9 GB
DeepSeek V4 Pro压缩注意力	0.3 GB	4.1 GB
DeepSeek V4.1 Flash压缩注意力	< 0.1 GB	2.7 GB
Gemma 4 E4B滑动窗口 512 token	0.6 GB	2.8 GB
Gemma 4 12B滑动窗口 1,024 token	0.9 GB	12.9 GB
Gemma 4 26B A4B滑动窗口 1,024 token	0.9 GB	8.1 GB
Gemma 4 31B滑动窗口 1,024 token	3.5 GB	32.2 GB
gpt-oss 20B滑动窗口 128 token	0.8 GB	1.6 GB
gpt-oss 120B滑动窗口 128 token	1.2 GB	2.4 GB
gpt-oss Safeguard 20B滑动窗口 128 token	0.8 GB	1.6 GB
Llama 4 Scout 17B 16E滑动窗口 8,192 token	2.8 GB	6.4 GB
Muse Spark Open滑动窗口 2,048 token	2.5 GB	8.3 GB

「套用通用公式」一列是把 config.json 里的层数、KV 头数和头维度直接代入上面公式的结果，放在这里对照。本站的 KV cache 按 FP16 计；部署时开启 FP8 或 4-bit KV 量化，实际占用还会更小。

装得下的判断

按单卡、不做 CPU 卸载计算；统一内存设备按内存总量计算，不扣除 macOS 对 GPU 的占用上限。

模型体积和显存需求按十进制 GB（10⁹ 字节）写，和 Hugging Face 下载页的文件大小对得上；显卡和内存的标称容量按 1024³ 字节算，24GB 的显卡约合 25.8 GB。判断装不装得下时先换成同一单位再比，所以需求比标称数字略大时也可能装得下。

显卡页和模型页的表格用三种状态：

• 能跑：权重、KV 缓存和运行开销都装得进显存，速度按显存带宽估算。
• 需卸载到内存：仅 MoE 模型：专家权重放进内存，速度按内存带宽 70 GB/s 估算。
• 跑不了：这一档量化下单卡装不下，借内存也不行。

推理速度（tokens/s）怎么估

生成速度主要受显存带宽限制：每生成一个 token，都要把激活的权重和一部分 KV cache 从显存读一遍。按 llama.cpp 单用户（单流）口径估算：

带宽利用率取 0.73，所有设备通用；固定开销：稠密模型 1.4 毫秒，MoE 模型 4.7 毫秒。

系数按公开的 llama.cpp 实测结果校准。这是估算值，实际速度会因软件版本、驱动和设置不同而有出入；上下文越长，实际速度越慢。这里估算的是生成（decode）速度，不含处理提示词（prefill）的时间。

多卡和多台怎么算

多卡按 vLLM 张量并行估算：张数取 1 / 2 / 4 / 8 张同型号显卡，模型权重和 32K 上下文的 KV cache 平均分到每张卡上，每张卡另加 1.1GB 运行开销，再和这张卡 90% 的显存比较（vLLM 默认值）。只按显存判断，不考虑注意力头能否被张数整除，所以是初筛结果；能否实际运行还要看 vLLM 是否支持这个模型。

速度按单卡带宽估算，不按张数叠加，也不计卡间通信的损耗。总价是单卡中位价乘以张数，只算显卡，不含主板、电源和机箱。卡间互联只作参考：支持 NVLink 的卡在规格表里标出带宽，其余走 PCIe。显卡页的多卡板块只列 2026 年起发布、50B 参数以上的模型；模型页的多卡表只列常用来多卡部署的显卡和能联机的整机，按总价从低到高排。

统一内存的整机插不了第二张卡，大多只按一台算；能联机的整机按台数算，每台按 90% 内存计，速度按单台带宽估算，总价只算主机。DGX Spark 走网口，最多三台可以直连，四台要经交换机；512GB 的 Mac Studio M3 Ultra 用雷电 5 线互连，跑的是 MLX 或 exo 这类分布式推理，不是 vLLM。

专家卸载的整机配置怎么选

模型详情页「用整机跑 X 要什么配置」一节分五类给配置：家用（RTX 5070 + DDR5 台式机）、E5 双路（V100 32G）、EPYC DDR4（RTX 3090 或 4090）、EPYC DDR5（RTX 5090），以及超大模型用的多卡 RTX PRO 6000 + 双路 EPYC DDR5。每类在显卡型号、张数（最多 8 张）和单路还是双路里，挑每块钱换来的出字速度最高的一套；超大模型那一类先挑最快的，一样快的再挑性价比高的。显卡先放注意力、共享专家和 KV cache，剩下的显存尽量多放专家层，其余专家放内存；内存取装得下的最便宜插法，插满后要比需要的多留 10% 余量。显卡能把整个模型装下的，不算专家卸载，看模型页的单卡、多卡表。

出字速度按 ktransformers、ik_llama.cpp 这类 CPU + GPU 混合推理优化过的软件估算，直接用页面上的 llama.cpp 命令会慢一些。双路平台按单路的 1.6 倍估算：SGLang + KTransformers 把专家分给两颗 CPU、各读本地内存，实测最多快约 63%；直接用 llama.cpp，双路几乎不比单路快。

整机参考价 = 显卡和内存的实时中位价 + CPU、主板、电源的参考价。参考价按市场分别记录：eBay 和闲鱼按二手价，日亚按新品价，电源一律按新品；某个市场查不到时，按 eBay 的美元价换算。参考价每月复核一次。

DDR4、DDR5 内存页的整机卡写的是理论带宽：双路是两颗 CPU 相加；家用电脑插满 4 条时，不少主板要降频才稳定，实际带宽会低于理论值。

算例：Qwen3.8 27B 放进 GeForce RTX 4090

以 Qwen3.8 27B 的 Q4_K_M 版本、GeForce RTX 4090（24 GB 显存，带宽 1,008 GB/s）为例，按上面的公式逐项计算：

Qwen3.8 27B 属于上面的「混合线性注意力」结构，KV cache 只按随上下文增长的层计算，所以比同样大小的普通模型小得多。

同一个模型、同一张卡，能不能装下常常取决于上下文长度：上下文越长，KV cache 越大。8K 上下文下预估生成速度约 43 tokens/s。

各量化档位的完整结果：Qwen3.8 27B · GeForce RTX 4090

每 GB 单价

每 GB 单价 = 中位价 ÷ 容量，单位是「币种 / GB」：显卡按显存容量计算，内存按单条容量计算，用于内存价格榜。计算时先把价格折成美元再相除，结果与先相除再换算相同。

汇率

价格按原币种记录，展示时按当日汇率换算，基准币种为美元。汇率每日更新；当日汇率暂不可用时沿用最近一次有效汇率，并在页脚标注。本页当前使用的汇率日期为 2026年10月21日，来源：open.er-api.com。

规格与模型数据来源

显卡规格取自厂商官方规格页和数据表，并与维基百科的显卡列表交叉核对；算力一律按稠密（不含稀疏加速）口径。厂商未公开的个别数值按公开规格推算，并在设备说明中注明。目前收录 57 台设备。

模型参数来自 Hugging Face 官方仓库的公开配置，量化权重体积以 GGUF 实际文件大小为准，Ollama 标签取自官方模型库。目前已收录 9 个家族、45 个版本，新模型经核验后定期更新。

更新记录

价格每 6 小时更新，汇率每日更新，页面显示的更新时间为最近一次成功更新的时间。新收录的显卡、新上线的功能和计算方法的修正记录如下：

1. 2026年10月18日整机配置改版：分项列出显卡、内存、CPU、主板和电源，模型页按五类平台各推荐一套性价比最高的配置。
2. 2026年10月15日模型详情页的单卡、多卡表按模型大小换了一批推荐设备，启动命令新增 NVFP4 和 MLX 两种跑法。
3. 2026年10月14日优化闲鱼采集：热门显卡在闲鱼上收录到的在售挂单明显增多，报价更稳定。
4. 2026年10月13日新增 DDR4、DDR5 内存价格页：台式机和服务器内存条共 22 种规格的单条价、每 GB 单价与走势，以及用服务器加内存跑本地大模型的三套配置。
5. 2026年10月10日新增 Mac Studio M5 Ultra 96GB。Mac 的规格表补上 CPU / GPU 核心数、内存速率、存储档位、重量、型号标识符和订货号。
6. 2026年10月9日显卡页的「分享」菜单新增「分享图片」：一键生成这张卡的价格走势图，可以复制或下载，手机上可以直接保存。
7. 2026年10月5日优化显卡详情页、模型详情页和家族页的文案。
8. 2026年10月5日按公开的 llama.cpp 实测数据重新校准生成速度的估算，所有设备改用同一套系数。
9. 2026年10月5日模型体积和显存需求改按十进制 GB 显示，和 Hugging Face 下载页一致。
10. 2026年10月2日显卡页选 eBay 市场时，价格走势下方新增「eBay 好价精选」：精选口碑卖家在售的具体商品，点击直达 eBay 购买。
11. 2026年9月28日新增 Tesla T10。
12. 2026年9月27日上线账号功能：可以用 Google 或邮箱验证码登录；在首页排行榜把显卡加入自选；在显卡页设置到价提醒，价格到达你设的价时发邮件通知。
13. 2026年9月24日模型详情页改版：新增单卡、多卡和专家卸载的整机配置；家族页新增各版本的显存需求表。
14. 2026年9月24日修正显存算法：有 GGUF 实测文件的量化档，改按文件实际大小计算显存需求。
15. 2026年9月24日修正 KV cache 算法：不再把不存 KV 的层算进去，部分模型长上下文下的显存需求下调。
16. 2026年9月24日显卡详情页新增租用价格：按需租用每小时价格、每天 4、8、24 小时的月租，以及买卡多久回本。
17. 2026年9月23日新增 RTX 3060 12GB、RTX 4060 Ti 16GB 和 Tesla P40。
18. 2026年9月22日新增 A100 80GB PCIe、L40S 和 H100 PCIe。
19. 2026年9月19日新增 RTX PRO 5500、RTX A6000、RTX 6000 Ada 和 RTX 4090D 48GB 改装卡。
20. 2026年9月13日上线价格指数页面。
21. 2026年9月11日开始追踪 DDR4、DDR5 内存价格。
22. 2026年9月9日新增 Amazon.co.jp 日本价格。
23. 2026年9月4日VRAMGlass 上线，开始追踪闲鱼与 eBay 的显卡价格。

纠错与反馈

如发现价格、规格或公式有误，欢迎来信告知，并附上对应页面与来源链接。经核实后我们会尽快修正，并在本页记录变更。

hello@vramglass.comX @vramglass