Step-3.7 Flash (198B-A11B) 显存需求、KV 缓存与最佳显卡推荐
Step-3.7 Flash (198B-A11B)（总参数 198B，激活参数 11B，稀疏 MoE + GQA）4-bit (Q4_K_M) 权重体积为 112 GiB，8K 上下文总显存 112.91 GiB，32K 上下文总显存 113.76 GiB。 · Hugging Face: stepfun-ai/Step-3.7-Flash ↗ · GGUF: stepfun-ai/Step-3.7-Flash-GGUF ↗
显存充足，可稳定运行
配置参数推导公式
HF config.json ↗
所需显存总量
112.91 GiB
121.24 GB (十进制)
硬件可用显存
182.4 GiB
192 GB (物理容量)
显存安全余量
+69.49 GiB
59% 显存占用率
预计生成速度 (Decode)
~214.5 tok/s
11B 激活参数
预计预填充速度 (Prefill)
~24000 tok/s
4K 提示词首字延迟: ~171 ms
每百万 Token 成本
$3.35
稀疏 MoE + GQA · Apache-2.0
当前参数下的最优硬件推荐
首选单卡方案
Instinct MI300X 192GB (192GB)
~$15,000
高性价比 / 二手卡方案
2x A100 80GB SXM
160GB · ~$24,000
Apple 统一内存方案
Mac Studio M4 Ultra 256GB
~$5,999
云端最低起租
DigitalOcean · $2.59 / 小时
1x Instinct MI300X 192GB
生产环境启动命令
llama.cpp (GGUF)
llama-server -hf stepfun-ai/Step-3.7-Flash-GGUF:Q4_K_M \ --ctx-size 8192 -ngl 999 --flash-attn
vLLM
vllm serve stepfun-ai/Step-3.7-Flash \ --max-model-len 8192 --gpu-memory-utilization 0.92
实时首字延迟与生成速度模拟器 (TTFT ~171ms · ~214.5 tok/s)
[Step-3.7 Flash (198B-A11B) · 112.91 GiB] 显存分配完成。已完成提示词 Prefill 预填充阶段，当前正按显存带宽受限的实际 tok/s 速率流式输出 Token……
云 GPU 实时比价与租买回本周期 (TCO)
汇总 RunPod、Vast.ai、Vultr 与 DigitalOcean 公开按需及社区市场报价。
购卡回本周期
~35.7 个月
预计本地月电费: $15.96 / 月
| 云服务商 | 推荐实例配置 | 总显存 | 每小时费率 | 按所选时长月费 | 计费方式 | 部署 |
|---|---|---|---|---|---|---|
| RunPod | 1x H200 141GB SXM (社区云 (Community)) | 141 GB | $3.59 / 小时 | $436.54 / 月 | 按秒计费 | 立即部署 ↗ |
| Vast.ai | 1x H200 141GB SXM (认证主机市场 · NVL) | 141 GB | $3.87 / 小时 | $470.47 / 月 | 竞价 / 按需市场 | 立即部署 ↗ |
| Vultr ($300 Free Credit*) | 4x L40S 48GB (按需独享实例 · $300 Credit*) | 192 GB | $6.68 / 小时 | $812.77 / 月 | 按小时计费 | 立即部署 ↗ |
| Vultr Cloud GPU | 4x L40S 48GB (按需独享实例) | 192 GB | $6.68 / 小时 | $812.77 / 月 | 按小时计费 | 立即部署 ↗ |
| DigitalOcean | 1x Instinct MI300X 192GB (按需独享实例) | 192 GB | $2.59 / 小时 | $314.94 / 月 | 按秒计费 | 立即部署 ↗ |
表中价格取自核验当日各平台公开报价，实际费用随区域与实时库存动态浮动。
微调显存需求对照（QLoRA / LoRA / 全参数微调） — Step-3.7 Flash (198B-A11B)
QLoRA (4b)
显存充足，可稳定运行
114.62 GiB
模型权重: 112 GiB · 梯度与优化器状态: 1.54 GiB · Act: 1.08 GiB
最低推荐显卡: Instinct MI300X 192GB (192GB)
LoRA (16b)
超出当前硬件显存上限
372.65 GiB
模型权重: 368.8 GiB · 梯度与优化器状态: 2.42 GiB · Act: 1.43 GiB
最低推荐显卡: 4x H200 141GB SXM (564GB)
全量微调
超出当前硬件显存上限
1514.6 GiB
模型权重: 368.8 GiB · 梯度与优化器状态: 1143.28 GiB · Act: 2.52 GiB
最低推荐显卡: 需多卡并行
工程诊断与部署调优指南
硬件选型快速结论
Instinct MI300X 192GB（物理显存 192GB，可用约 182.4 GiB）可以直接运行 4-bit (Q4_K_M) 的 Step-3.7 Flash (198B-A11B)。8K 上下文下共需 112.91 GiB，剩余 69.49 GiB 安全余量，单用户生成速度约 214.5 tok/s。
长上下文 KV 缓存与引擎调优
Step-3.7 Flash (198B-A11B) 采用 稀疏 MoE + GQA 架构（总参数 198B，每步激活 11B）。从 8K 扩至 32K 上下文时，FP16 KV 缓存从 0.35 GiB 增至 1.2 GiB；若开启 8-bit KV 缓存（llama.cpp -ctk q8_0 -ctv q8_0 或 vLLM --kv-cache-dtype fp8），32K 下可节省 0.6 GiB 显存（降至 113.16 GiB）。
不同上下文窗口下的显存增长曲线（4K 至 128K，4-bit 权重）
Step-3.7 Flash (198B-A11B) × 49 硬件库 (4-bit Q4_K_M)
| 目标显卡 / 硬件 | 总显存 | 显存带宽 | 4-bit @ 8K | 4-bit @ 32K | 生成速度 | 兼容性状态 | 查看完整评测报告 |
|---|---|---|---|---|---|---|---|
| NVIDIA RTX 3060 12GB | 12 GB (11.4 GiB) | 360 GB/s | 112.91 GiB | 113.76 GiB | ~8 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 4060 Ti 16GB | 16 GB (15.2 GiB) | 288 GB/s | 112.91 GiB | 113.76 GiB | ~8.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 4070 Ti Super | 16 GB (15.2 GiB) | 672 GB/s | 112.91 GiB | 113.76 GiB | ~8.4 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 4080 Super | 16 GB (15.2 GiB) | 736 GB/s | 112.91 GiB | 113.76 GiB | ~8.4 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 5070 12GB | 12 GB (11.4 GiB) | 672 GB/s | 112.91 GiB | 113.76 GiB | ~8.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 5070 Ti | 16 GB (15.2 GiB) | 896 GB/s | 112.91 GiB | 113.76 GiB | ~8.4 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 5080 | 16 GB (15.2 GiB) | 960 GB/s | 112.91 GiB | 113.76 GiB | ~8.4 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 3090 | 24 GB (22.8 GiB) | 936 GB/s | 112.91 GiB | 113.76 GiB | ~9.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 4090 | 24 GB (22.8 GiB) | 1008 GB/s | 112.91 GiB | 113.76 GiB | ~9.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 4090 D | 24 GB (22.8 GiB) | 1008 GB/s | 112.91 GiB | 113.76 GiB | ~9.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 5090 | 32 GB (30.4 GiB) | 1792 GB/s | 112.91 GiB | 113.76 GiB | ~10 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 5090 D | 32 GB (30.4 GiB) | 1792 GB/s | 112.91 GiB | 113.76 GiB | ~10 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX A6000 | 48 GB (45.6 GiB) | 768 GB/s | 112.91 GiB | 113.76 GiB | ~11.6 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX 6000 Ada | 48 GB (45.6 GiB) | 960 GB/s | 112.91 GiB | 113.76 GiB | ~11.8 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA RTX PRO 6000 Blackwell | 96 GB (91.2 GiB) | 1792 GB/s | 112.91 GiB | 113.76 GiB | ~35.3 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA DGX Spark (GB10 128GB) | 128 GB (99.8 GiB) | 273 GB/s | 112.91 GiB | 113.76 GiB | ~21.8 tok/s | 显存偏紧（安全余量 <8%） | 查看完整评测报告 → |
| NVIDIA L4 24GB | 24 GB (22.8 GiB) | 300 GB/s | 112.91 GiB | 113.76 GiB | ~8.6 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA A40 48GB | 48 GB (45.6 GiB) | 696 GB/s | 112.91 GiB | 113.76 GiB | ~11.5 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA L20 48GB | 48 GB (45.6 GiB) | 864 GB/s | 112.91 GiB | 113.76 GiB | ~11.7 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA L40S 48GB | 48 GB (45.6 GiB) | 864 GB/s | 112.91 GiB | 113.76 GiB | ~11.7 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA A800 80GB SXM | 80 GB (76 GiB) | 2039 GB/s | 112.91 GiB | 113.76 GiB | ~21.9 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA A100 80GB SXM | 80 GB (76 GiB) | 2039 GB/s | 112.91 GiB | 113.76 GiB | ~21.9 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA H800 80GB SXM | 80 GB (76 GiB) | 3350 GB/s | 112.91 GiB | 113.76 GiB | ~22.8 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA H100 80GB SXM | 80 GB (76 GiB) | 3350 GB/s | 112.91 GiB | 113.76 GiB | ~22.8 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA H20 96GB HBM3 | 96 GB (91.2 GiB) | 4000 GB/s | 112.91 GiB | 113.76 GiB | ~40.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| NVIDIA H20 141GB HBM3e | 141 GB (133.9 GiB) | 4800 GB/s | 112.91 GiB | 113.76 GiB | ~203.3 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| NVIDIA H200 141GB SXM | 141 GB (133.9 GiB) | 4800 GB/s | 112.91 GiB | 113.76 GiB | ~203.3 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| NVIDIA B200 180GB | 180 GB (171 GiB) | 8000 GB/s | 112.91 GiB | 113.76 GiB | ~261 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| NVIDIA B300 288GB Blackwell Ultra | 288 GB (273.6 GiB) | 8000 GB/s | 112.91 GiB | 113.76 GiB | ~261 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| Huawei Ascend 910B 64GB (昇腾) | 64 GB (60.8 GiB) | 1200 GB/s | 112.91 GiB | 113.76 GiB | ~15.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Huawei Ascend 910C 128GB (昇腾) | 128 GB (121.6 GiB) | 2400 GB/s | 112.91 GiB | 113.76 GiB | ~131 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| Huawei Atlas 300I Duo 96GB (310P) | 96 GB (91.2 GiB) | 408 GB/s | 112.91 GiB | 113.76 GiB | ~20.3 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Cambricon MLU590 80GB (寒武纪思元) | 80 GB (76 GiB) | 2048 GB/s | 112.91 GiB | 113.76 GiB | ~21.9 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Hygon DCU K100-AI 64GB (海光深算) | 64 GB (60.8 GiB) | 1638 GB/s | 112.91 GiB | 113.76 GiB | ~15.5 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| MetaX MetaX C500 64GB (沐曦曦云) | 64 GB (60.8 GiB) | 1800 GB/s | 112.91 GiB | 113.76 GiB | ~15.6 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Kunlunxin Kunlunxin P800 64GB (昆仑芯) | 64 GB (60.8 GiB) | 1600 GB/s | 112.91 GiB | 113.76 GiB | ~15.5 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Moore Threads MTT S4000 48GB (摩尔线程) | 48 GB (45.6 GiB) | 768 GB/s | 112.91 GiB | 113.76 GiB | ~11.6 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| AMD Radeon RX 7900 XTX 24GB | 24 GB (22.8 GiB) | 960 GB/s | 112.91 GiB | 113.76 GiB | ~9.1 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| AMD Radeon AI PRO R9700 32GB | 32 GB (30.4 GiB) | 640 GB/s | 112.91 GiB | 113.76 GiB | ~9.7 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| AMD Ryzen AI Max+ 395 128GB | 128 GB (99.8 GiB) | 256 GB/s | 112.91 GiB | 113.76 GiB | ~20.5 tok/s | 显存偏紧（安全余量 <8%） | 查看完整评测报告 → |
| AMD Instinct MI300X 192GB | 192 GB (182.4 GiB) | 5300 GB/s | 112.91 GiB | 113.76 GiB | ~214.5 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| AMD Instinct MI325X 256GB | 256 GB (243.2 GiB) | 6000 GB/s | 112.91 GiB | 113.76 GiB | ~228.6 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| AMD Instinct MI355X 288GB | 288 GB (273.6 GiB) | 8000 GB/s | 112.91 GiB | 113.76 GiB | ~261 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| Intel Arc Pro B60 24GB | 24 GB (22.8 GiB) | 456 GB/s | 112.91 GiB | 113.76 GiB | ~8.8 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Intel Gaudi 3 128GB HBM2e | 128 GB (121.6 GiB) | 3700 GB/s | 112.91 GiB | 113.76 GiB | ~174.6 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| Apple Mac mini M4 Pro 64GB | 64 GB (49.9 GiB) | 273 GB/s | 112.91 GiB | 113.76 GiB | ~11.8 tok/s | 超出当前硬件显存上限 | 查看完整评测报告 → |
| Apple MacBook Pro M4 Max 128GB | 128 GB (99.8 GiB) | 546 GB/s | 112.91 GiB | 113.76 GiB | ~41.7 tok/s | 显存偏紧（安全余量 <8%） | 查看完整评测报告 → |
| Apple Mac Studio M4 Ultra 256GB | 256 GB (199.7 GiB) | 819 GB/s | 112.91 GiB | 113.76 GiB | ~59.8 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |
| Apple Mac Studio M3 Ultra 512GB | 512 GB (399.4 GiB) | 819 GB/s | 112.91 GiB | 113.76 GiB | ~59.8 tok/s | 显存充足，可稳定运行 | 查看完整评测报告 → |