01功能特性
优点
- 得益于仅有 30 亿活跃参数，吞吐量很高
- 128k 上下文
- 推理与编程
- ~17 GB VRAM（Q4量化）
需了解的局限性
- —需加载到内存中的 30B MoE 模型权重
- —MoE 工具支持因运行时而异
- —HuggingFace 上的模型权重有访问限制
架构
MoE 30B / 3B 活跃参数 · 128k 上下文
训练
NVIDIA 的 Nemotron 3.5 系列，激活参数量较少，专为本地快速推理设计。采用 NVIDIA Open Model 许可证。
最适合的场景
本地推理智能体 / 代码快速 MoE 推理
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 nemotron-3.5-lightning
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%
25 GB
Q5_K_M
质量/体积的良好平衡
29 GB
Q8_0
几乎无法与 FP16 区分
35 GB
FP16
全精度 — 服务器用途
66 GB
CPU 回退 · 如果您没有 GPU，请预留 39 GB 内存 以较低速度运行此模型的最低要求。
运行Nemotron 3.5 Lightning 30B-A3B需要什么硬件？
在本地以Q4量化运行Nemotron 3.5 Lightning 30B-A3B，大约需要25 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64 GB / 1 TB (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 64 GB / 1 TB (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 64 GB / 1 TB (Ryzen AI Max+ 395) →
联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
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。