8GB 能跑的最好的本地大模型

结论： 通用场景选 Falcon 3 10B Instruct（GPTQ INT4）—— 8GB 中占 6.1 GB，剩 1.9 GB。另外：Qwen3.5 9B (图像)。

这里的「最好」指的是：在留有余量的前提下，本类别中能装进这张卡的最大模型，并取仍装得下的最高质量档位。本索引衡量的是显存占用与已公开的困惑度，不是任务质量 —— 它无法告诉你哪个模型答得更好，也不会假装可以。

推荐

用途模型量化档位预估显存余量损失理由
通用 · 写代码Falcon 3 10B Instruct10BGPTQ INT46.1 GB1.9 GB4.8%本类别中仍留有余量的最大模型。在 GPTQ INT4 下相对 FP16 损失 4.8% 困惑度。仅限 4K 上下文 —— 更长的窗口装不下。
图像Qwen3.5 9B9BQ4_K_M6.6 GB1.4 GB—本类别中仍留有余量的最大模型。该量化版本没有公开困惑度数据，因此这里不给数字。上下文超过 16K 后，KV 缓存会让它超出显存。

按 4K 上下文加 10% 激活缓冲估算；索引中 112 个模型有 44 个能从容装进这个预算。「损失」是量化发布者公布的相对 FP16 困惑度，没有公布的显示为短横线。

适用于这些显卡

能不能装下完全由容量决定，所以这里每张卡返回的清单都一样。不同的是读取权重的速度 —— 每张卡自己的页面标注了带宽以及它意味着什么。

装不下的是什么

最接近的是 Gemma 4 12B IT。它在本索引中最小的构建 Q4_K_M 约需 8.0 GB —— 比 8GB 超出 0.0 GB，而且这还没算 4K 以外的上下文。卸载到系统内存确实能加载，但速度将由内存决定 —— 那是另一台机器，不是换个更小的量化档位。

上下文拉长之后

在 4K 上下文下有 44 个模型能从容装下，16K 时是 32 个，32K 时是 22 个。权重没变 —— 涨的是 KV 缓存。

按你的实际上下文长度计算

常见问题

2026 年 8 GB显存最适合跑哪个本地大模型？

通用场景选 Falcon 3 10B Instruct（GPTQ INT4）—— 8 GB 中占 6.1 GB，剩 1.9 GB。要处理图像就选 Qwen3.5 9B。这里的「最好」指的是本类别中能留有余量装进这张卡的最大模型 —— 本索引衡量的是显存与已公开的困惑度，不是任务质量，因此无法就「答得好不好」给模型排名。

8 GB 能装下多少个模型？

本索引 112 个模型中有 44 个能在 4K 上下文下从容装下 —— 「从容」指估算占用不超过显存的 88%，给显示输出和运行时留出余量。到 16K 时降到 32 个，32K 时是 22 个：变化的是 KV 缓存，不是权重。

8 GB 跑不了什么？

最接近的是 Gemma 4 12B IT：它在本站最小的构建 Q4_K_M 约需 8.0 GB —— 超出 0.0 GB，而且这还没算 4K 以外的上下文。把一部分权重卸载到系统内存确实能加载，但速度将由内存决定而不是由你的显卡决定；那是另一台机器，不是换个更小的量化档位。

所有 8 GB 的卡跑的模型都一样吗？

装得下的模型是一样的 —— 能不能装下完全由容量决定，所以这一档的 9 张卡返回的是同一份清单。不同的是读取权重的速度：每生成一个 token 都要把整套权重读一遍，所以显存带宽决定了上限，而显存相同的两张卡在这一项上可以相差 2.5 倍以上。每张卡自己的页面都标注了带宽及其含义。