01功能特性
优点
- Apache 2.0，100% 开源
- 原生工具调用，采用 OpenAI 函数 schema
- 12 种语言，包括法语
- 13.1 万的长上下文
- 支持多种量化版本的 Ollama 官方标签
需了解的局限性
- —Q4量化下至少需要32 GB VRAM（约RTX 5090）
- —该参数规模下无MoE变体
- —英语在推理任务上仍优于法语
架构
密集型Transformer · 64层 · GQA 32Q/8KV · 嵌入维度4096 · MLP隐藏维度32 768 · SwiGLU · RoPE · RMSNorm
训练
基于 Granite-4.1-30B-Base 微调。采用 SFT + RL 对齐流程。12 种语言：EN、DE、ES、FR、JA、PT、AR、CS、IT、KO、NL、ZH。NVIDIA GB200 NVL72 集群（CoreWeave）。
最适合的场景
企业级工具调用长上下文 RAG生产环境智能体
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run granite4.1:30b
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
17 GB
Q5_K_M
质量/体积的良好平衡
21 GB
Q8_0
几乎无法与 FP16 区分
32 GB
FP16
全精度 — 服务器用途
60 GB
CPU 回退 · 如果您没有 GPU，请预留 36 GB 内存 以较低速度运行此模型的最低要求。
运行Granite 4.1 30B Instruct需要什么硬件？
在本地以Q4量化运行Granite 4.1 30B Instruct，大约需要17 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) →
联盟链接——您无需承担额外费用，我们可能获得佣金，推荐保持独立。作为亚马逊合作伙伴，哪个LLM会从符合条件的购买中获益。
移动场景： Granite 4.1 30B Instruct 也可在以下设备上运行 RTX 笔记本电脑 (24 GB 显存）→
在你的私有 ChatGPT 中使用此模型，无需云端
只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。
- 在线空间，终身可用
- PDF + 文件
- 终身更新
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。