许多初学本地部署的小伙伴在看到”7B”的模型名称时，第一反应是：我的卡还跑得动吗？其实只需要一个公式，就可以简单估算出你的目标需求！
1、【B】是什么？
就像说一个人"身高 175"，你得先知道单位是厘米。模型名字里的 B 也有单位——B 是 Billion，也就是"十亿"。
举个例子：把模型想象成一位学徒厨师。7B 就是这位厨师记住了 70 亿条做菜经验，32B 是记住了 320 亿条。经验条数越多，手艺通常越好；但记满经验的笔记本（也就是权重文件）也就越厚、越占地方。所以 B 越大，模型越聪明，同时也越吃硬件。
2、模型同样参数，为什么体积差好几倍？
同一部电影，蓝光原盘 40GB，压缩版只要 2GB——看着差不多，体积差了二十倍。
模型也是这个道理。同一系列（Qwen、DeepSeek 这些）常有参数量一样、体积差好几倍的版本，差别在每个参数占多少字节，也就是"位数"：
同一个 7B 模型，FP8 版约 7GB，换成 FP4 只要 3.5GB。把位数往下压缩这个操作，叫量化。理论上，数字越大越接近原版，模型也更聪明，但也越占显存。
3、 文件名中的FP、INT、Q是什么？
拿个真名看：Qwen3.8-27B-Q4——27B 是参数量，Q4 是压到 4 位，另外 Q4 和 FP4 是同一档位的两种叫法。
4、基础权重公式
只算权重的话，显存公式如下：
这里的权重，指的是模型里那几十、上百亿个数字，比如 7B 的 70 亿个参数，模型大脑内的东西都在里面。下图以 32B 模型的不同精度去使用这一公式为例：
这就像去超市买米。32B 的模型是你要买的 32 斤米，Q4 是“一斤米装半个袋子”，套进公式算出来的结果，就是“至少需要几个袋子才装得下”。而这几个袋子，就是你的显卡必须拿得出的显存。
5、别忘了“活”的显存
上面的公式算的是权重显存，是相对固定的。但大模型运行还需要占用一块“活”的显存——对话记忆（KV Cache），可以理解为上下文。
对话聊得越长，它占得显存就越多，所以显存还需预留2GB左右才更稳妥。
6、实际显存公式
系统、框架运行也会占用一定显存，所以实际选卡时，要在权重显存基础上多留约 5% 给系统开销，再留 2GB左右 给上下文，不把显存卡在临界值。
7、一图看懂模型与显卡的选择
上表显存按 FP4 量化/8K上下文的对话为例
以目前主流的Qwen3.8-27B_Q4模型为例：权重27B，Q4 每参数占 0.5 字节，实际占用约为：27×0.5×1.05+2=16.175(GB)，至少需要16GB显存的显卡才能运行。
例如RTX 5080 星曜LUNA OC，配备16GB GDDR7显存，AI TOPS高达1801，面对27B-Q4级模型，合理设置量化档位与上下文长度后即可流畅运行；可助力你流畅运行本地部署的大语言模型，日常 14B 级问答、写文案更是轻松胜任。
