Hy3 如何本地部署？
Hy3 是 MoE 模型，总参数 295B，每 token 激活 21B。Q4 量化整机放显存需要 168GB；把专家放进系统内存后只需 10GB 显存 + 160GB 内存。当前最便宜能跑的显卡是 Mac Studio M3 Ultra 512GB，二手约 ¥129,900，预估 30 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 16GB，预估 7 tokens/s。
Hy3 版本信息
Hy3 本地部署需要多少显存？
MoE：总参数 295B 全部要驻留显存，速度按每 token 激活的 21B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| 1-bit | 71.1GGUF | 72.7 | 80.2 | 110.2 |
| 2-bit | 107.2GGUF | 113.1 | 120.6 | 150.6 |
| 3-bit | 143.1GGUF | 144.9 | 152.4 | 182.4 |
| 4-bit | 182.2GGUF | 167.9 | 175.4 | 205.4 |
| 5-bit | 212.8GGUF | 202.5 | 210 | 240 |
| 8-bit | 317.7GGUF | 309.3 | 316.8 | 346.8 |
| FP16 | 577估 | 580.5 | 588 | 618 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 256K 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
什么显卡能跑 Hy3？
Q4_K_M · 8K 上下文 · 按闲鱼二手价升序| 设备 | 显存GB | 二手价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | ¥129,9003 条挂单 | 30 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
Hy3 混合推理推荐显卡
专家权重放系统内存，需要 ≥ 160 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 10 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
用 Ollama / llama.cpp / vLLM 本地部署 Hy3
Ollama 库暂无官方标签。
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf bartowski/Hy3-GGUF:Q4_K_M --jinja -c 8192
# Switch to trtllm backend to work-around mnnvl workspace size issue. export VLLM_FLASHINFER_ALLREDUCE_BACKEND=trtllm vllm serve tencent/Hy3 \ --tensor-parallel-size 8 \ --speculative-config.method mtp \ --speculative-config.num_speculative_tokens 2 \ --tool-call-parser hy_v3 \ --reasoning-parser hy_v3 \ --enable-auto-tool-choice \ --port 8000 \ --served-model-name hy3
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
Hy3 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Hy3 约需 168GB 显存，留到 204GB 更稳。
哪张显卡最便宜能跑 Hy3？
Mac Studio M3 Ultra 512GB，512GB 显存，当前二手中位价约 ¥129,900，预估 30 tokens/s。
Hy3 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。