Qwen3 32B 如何本地部署？
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 Tesla V100 32GB，约 ¥7,673，预估 31.2 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
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 本地部署需要多少显存？
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存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 | — |
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「—」。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 Qwen3 32B？
AmazonJP
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 本地部署 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？
Tesla V100 32GB，32GB 显存，当前中位价约 ¥7,673，预估 31.2 tokens/s。
Qwen3 32B 能用 Ollama 跑吗？
能，命令是 ollama run qwen3:32b。