开源权重可下单卡可跑已被替代可商用 · MIT
Phi-3 Medium
Phi-3 Medium · 14B · Microsoft · 发布 2024-05-21 · 已被替代 → Phi-4
合成数据路线的 14B，MMLU 78% 逼近 70B 级。
参数
14B
DENSE
上下文
128K
价格 / 1M tok
自建
无官方 API
最低可跑
RTX 3060
Q4_K_M · 11 GB · ≈24 tok/s
Arena Elo—
AA 综合指数—
代码—
GPQA 推理—
架构简图
- 类型
- Dense
- 注意力
- GQA（40 Q 头 / 10 KV 头）
- 层数
- 40
- 隐藏维
- 5120
- 词表
- 32,064
4.8T「教科书级」合成 + 过滤数据；4K 与 128K（LongRoPE）两版。
完善中
| 精度 | 权重大小 | 说明 |
|---|---|---|
| BF16 | 28 GB | 官方精度 |
| FP8 | — | 暂无 |
| Q8 | 15 GB | |
| Q4 | 8.6 GB | GGUF Q4_K_M 或等效 |
- 消费级 24GB
- BF16 28 GB 超 24GB；Q8 15 GB 可跑
- 单卡 80GB
- BF16 单卡
- 8×80GB 节点
- 过剩
KV Cache：200 KiB/token。 ≈ 200 KiB/token
⚠ 能加载 ≠ 能在满上下文 / 高并发下舒服跑。标「估」的数字来自 计算器 公式或社区量化文件大小。
完善中
硬件配置与预估吞吐
最低可跑（8K 上下文）
RTX 3060 12GB
≈¥2,000 · 合计 ≈¥2,000 · 消费级
量化
Q4_K_M
解码
24 tok/s
最大上下文
11K
推荐配置（≥Q8 · 32K 上下文 · ≥15 tok/s）
2 × RTX 3060 12GB
≈¥2,000 × 2 · 合计 ≈¥4,000 · 消费级
量化
FP8
解码
23 tok/s
最大上下文
78K
| 配置 | 量化 | 占用 / 显存 | 解码 tok/s | 预填充 tok/s | 最大上下文 |
|---|---|---|---|---|---|
| RTX 3060 12GB消费级 | Q4_K_M | 11 GB / 12 GB | 24 | 402 | 11K |
| RTX 4060 Ti 16GB消费级 | FP8估 | 16 GB / 16 GB | 13 | 354 | 8K |
| RTX 3090 24GB消费级 | FP8估 | 16 GB / 24 GB | 41 | 1141 | 90K |
| RTX 4070 Ti Super 16GB消费级 | FP8估 | 16 GB / 16 GB | 29 | 707 | 8K |
| RTX 5070 Ti 16GB消费级 | FP8估 | 16 GB / 16 GB | 39 | 1414 | 8K |
| RTX 4080 Super 16GB消费级 | FP8估 | 16 GB / 16 GB | 32 | 836 | 8K |
| RTX 5080 16GB消费级 | FP8估 | 16 GB / 16 GB | 42 | 1800 | 8K |
| RTX 4090 24GB消费级 | FP8估 | 16 GB / 24 GB | 44 | 2652 | 90K |
| RTX 5090 32GB消费级 | BF16 | 31 GB / 32 GB | 39 | 3375 | 14K |
| L4 24GB工作站 | FP8估 | 16 GB / 24 GB | 13 | 964 | 90K |
| RTX A6000 48GB工作站 | BF16 | 31 GB / 48 GB | 17 | 1238 | 96K |
| RTX 6000 Ada 48GB工作站 | BF16 | 31 GB / 48 GB | 21 | 1463 | 96K |
| L40S 48GB工作站 | BF16 | 31 GB / 48 GB | 19 | 1463 | 96K |
| RTX PRO 6000 Blackwell 96GB工作站 | BF16 | 31 GB / 96 GB | 39 | 4018 | 342K |
| A10 24GB数据中心 | FP8估 | 16 GB / 24 GB | 26 | 996 | 90K |
| A100 40GB数据中心 | BF16 | 31 GB / 40 GB | 34 | 5014 | 55K |
| A100 80GB数据中心 | BF16 | 31 GB / 80 GB | 45 | 5014 | 260K |
| H20 96GB数据中心 | BF16 | 31 GB / 96 GB | 88 | 1189 | 342K |
| 昇腾 Ascend 910B 64GB数据中心 | BF16 | 31 GB / 64 GB | 35 | 4500 | 178K |
| H100 80GB PCIe数据中心 | BF16 | 31 GB / 80 GB | 44 | 12150 | 260K |
| H100 80GB SXM数据中心 | BF16 | 31 GB / 80 GB | 73 | 15895 | 260K |
| AMD MI300X 192GB数据中心 | BF16 | 31 GB / 192 GB | 116 | 21005 | 834K |
| H200 141GB数据中心 | BF16 | 31 GB / 141 GB | 105 | 15895 | 572K |
| B200 192GB数据中心 | BF16 | 31 GB / 192 GB | 175 | 36161 | 834K |
| Mac M4 Pro 64GB统一内存 | BF16 | 31 GB / 56 GB | 4.6 | 273 | 137K |
| DGX Spark 128GB统一内存 | BF16 | 31 GB / 120 GB | 4.6 | 996 | 465K |
| Mac M4 Max 128GB统一内存 | BF16 | 31 GB / 120 GB | 9.2 | 546 | 465K |
| Mac Studio M3 Ultra 256GB统一内存 | BF16 | 31 GB / 240 GB | 14 | 916 | 1.1M |
| Mac Studio M3 Ultra 512GB统一内存 | BF16 | 31 GB / 490 GB | 14 | 916 | 2.3M |
单流（batch=1）估算：解码 ≈ 显存带宽 × 效率 ÷ 每 token 读取字节（激活参数 × 量化位宽 + KV）；预填充 ≈ FP16 算力 × 0.45 ÷ (2 × 激活参数)。多卡按张量并行、带宽求和 × 0.55。实际受引擎、驱动、PCIe 影响，误差 ±30%。反向查：我的卡能跑谁 →
可用维度不足 3 个，不绘制雷达图
数学GSM8K 91.0%（官方）。
知识MMLU 78.0%（官方）。
中文弱。
逻辑能力
考试型强：MMLU 78.0%、GSM8K 91.0%（官方）；开放式对话与常识弱。
亮点
- 1.MIT 许可
- 2.MMLU 78.0% 当年 14B 最高（官方）
- 3.128K 上下文（LongRoPE）
坑
- 1.知识面窄、多语言与中文弱
- 2.对话自然度与指令遵循被批「刷榜」
- 3.被 Phi-4 取代
适合：英文考试 / 教育类任务
不适合：中文 · 开放对话
暂无带来源的分数。
更新 2026-08-28 · 排名供选型参考，基准会饱和、会泄漏、会过时。