Qwen3 32B 本地部署需要多少显存？
看能跑的设备Qwen3 32B 是 32.8B 参数的稠密模型。Q4 量化最低需要 22GB 显存，8K 上下文下推荐 28GB。当前最便宜能跑的显卡是 Arc Pro B60，二手约 ¥5,299，预估 10.3 tokens/s。
Qwen3 32B 版本信息
发布日期2025年4月27日
Hugging Face 仓库Qwen/Qwen3-32B
小版本—
许可证Apache-2.0
架构稠密
GGUF 仓库Qwen/Qwen3-32B-GGUF
Ollama 标签qwen3:32b
30 天下载5,024,271
Q4 最低显存22 GB · Q4_K_M · 8K
参数量32.8B
层数64
隐藏维度5,120
KV 头8
头维度128
上下文上限40K
厂商Alibaba
Qwen3 32B 各量化与上下文的显存需求
8K 总显存| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| Q4_K_M | 19.8GGUF | 21.3 | 27.3 | — |
| Q5_K_M | 23.2GGUF | 25.1 | 31.1 | — |
| Q8_0 | 34.8GGUF | 37 | 43 | — |
| FP16 | 64.1估 | 67.1 | 73.1 | — |
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 40K 上下文上限的档位写「—」。
什么显卡能跑 Qwen3 32B？
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 |
|---|---|---|---|---|
 Arc Pro B60 | 24 | ¥5,2999 条挂牌 | 10.3 | 8K |
 Radeon RX 7900 XTX | 24 | ¥5,50018 条挂牌 | 23.9 | 8K |
 GeForce RTX 3090 | 24 | ¥8,0498 条挂牌 | 32.4 | 8K |
| Arc Pro B70 | 32 | ¥9,9997 条挂牌 | 13.8 | 32K |
| Radeon PRO W7800 | 32 | ¥10,1004 条挂牌 | 14.5 | 32K |
| CMP 170HX 40GB (改装) | 40 | ¥10,8004 条挂牌 | 53.1 | 32K |
| Radeon AI PRO R9700 | 32 | ¥11,9003 条挂牌 | 16.1 | 32K |
| CMP 170HX 64GB (改装) | 64 | ¥12,8504 条挂牌 | 51 | 32K |
| RTX PRO 4000 Blackwell | 24 | ¥15,80010 条挂牌 | 23.5 | 8K |
| Instinct MI210 | 64 | ¥18,50017 条挂牌 | 40.3 | 32K |
| Radeon PRO W7900 | 48 | ¥22,0005 条挂牌 | 21.6 | 32K |
| GeForce RTX 4090 | 24 | ¥22,8005 条挂牌 | 34.9 | 8K |
| GeForce RTX 5090 D V2 | 24 | ¥25,00016 条挂牌 | 46.1 | 8K |
| GeForce RTX 4090 48GB (改装) | 48 | ¥25,5003 条挂牌 | 34.9 | 32K |
| RTX PRO 4500 Blackwell | 32 | ¥25,8508 条挂牌 | 31.1 | 32K |
| GeForce RTX 5090 D | 32 | ¥30,9007 条挂牌 | 60.7 | 32K |
| A100 40GB PCIe | 40 | ¥38,5004 条挂牌 | 53 | 32K |
| GeForce RTX 5090 | 32 | ¥39,7504 条挂牌 | 60.7 | 32K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥47,00011 条挂牌 | 46.1 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥62,00011 条挂牌 | 46.1 | 32K |
| RTX PRO 6000D | 84 | ¥70,00019 条挂牌 | 53.4 | 32K |
| RTX PRO 6000 Blackwell | 96 | ¥118,50010 条挂牌 | 60.7 | 32K |
| Arc Pro B65 | 32 | —暂无挂牌 | 13.8 | 32K |
| GeForce RTX 4080 SUPER 32GB (改装) | 32 | —暂无挂牌 | 25.7 | 32K |
| Instinct MI100 | 32 | —暂无挂牌 | 30.5 | 32K |
| Tesla V100 32GB | 32 | —暂无挂牌 | 31.2 | 32K |
| DGX Spark 128GB | 128 | —暂无挂牌 | 9.6 | 32K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂牌 | 15.1 | 32K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂牌 | 16.9 | 32K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂牌 | 15.1 | 32K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂牌 | 16.9 | 32K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂牌 | 6.5 | 32K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂牌 | 22.5 | 32K |
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。
用 Ollama / llama.cpp / vLLM 启动 Qwen3 32B
Ollama
Ollama 一条命令拉起，量化档位由官方标签决定。
ollama run qwen3:32b
llama.cpp
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf Qwen/Qwen3-32B-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve Qwen/Qwen3-32B
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
Qwen3 32B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Qwen3 32B 约需 22GB 显存，留到 28GB 更稳。
哪张显卡最便宜能跑 Qwen3 32B？
Arc Pro B60，24GB 显存，当前二手中位价约 ¥5,299，预估 10.3 tokens/s。
Qwen3 32B 能用 Ollama 跑吗？
能，命令是 ollama run qwen3:32b。