Step-3.7 Flash (198B-A11B) 在 Gaudi 3 128GB HBM2e (128GB) 上的显存占用、KV 缓存与速度评测
Step-3.7 Flash (198B-A11B)（总参数 198B，激活参数 11B，稀疏 MoE + GQA）在 4-bit (Q4_K_M) 下权重占 112 GiB；8K 上下文总显存需求为 112.91 GiB（十进制 121.24 GB），32K 上下文为 113.76 GiB。在 Gaudi 3 128GB HBM2e 上预计生成速度约 174.6 tok/s。
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
121.6 GiB
128 GB (物理容量)
显存安全余量
+8.69 GiB
88% 显存占用率
预计生成速度 (Decode)
~174.6 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
$4.12
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 · ~174.6 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
Gaudi 3 128GB HBM2e（物理显存 128GB，可用约 121.6 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 8.69 GiB 安全余量，单用户生成速度约 174.6 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）
全量化档位显存与速度对照表 — Step-3.7 Flash (198B-A11B) @ 8K
| 量化格式 | 权重占用 (GiB) | KV 缓存 | 总显存需求 (GiB) | 生成速度 | 兼容性状态 (Gaudi 3 128GB HBM2e) | 最低推荐显卡 | 数据来源 |
|---|---|---|---|---|---|---|---|
| 原生权重 (BF16 / FP8 / MXFP4 — 无损精度) (BF16) | 368.8 GiB | 0.35 GiB | 369.71 GiB (396.97 GB) | ~3.7 tok/s | 超出当前硬件显存上限 | 需多卡并行 | 官方原始权重体积 |
| FP8 / GGUF Q8_0 (8-bit — 近乎无损) (Q8_0) | 195.93 GiB | 0.35 GiB | 196.84 GiB (211.36 GB) | ~11.9 tok/s | 超出当前硬件显存上限 | Instinct MI325X 256GB (256GB) | 配置参数推导公式 |
| GGUF Q6_K (6-bit — 高精度甜点) (Q6_K) | 151.21 GiB | 0.35 GiB | 152.12 GiB (163.34 GB) | ~29.4 tok/s | 超出当前硬件显存上限 | Instinct MI300X 192GB (192GB) | 配置参数推导公式 |
| GGUF Q5_K_M (5-bit — 均衡优选) (Q5_K_M) | 131.26 GiB | 0.35 GiB | 132.17 GiB (141.92 GB) | ~90.5 tok/s | 超出当前硬件显存上限 | Instinct MI300X 192GB (192GB) | 配置参数推导公式 |
| Q4_K_M / UD-Q4_K_XL / AWQ (4-bit — 推荐默认) (Q4_K_M) | 112 GiB | 0.35 GiB | 112.91 GiB (121.24 GB) | ~174.6 tok/s | 显存充足，可稳定运行 | Instinct MI300X 192GB (192GB) | 配置参数推导公式 |
| GGUF IQ4_XS (4.25-bit — 紧凑省显存) (IQ4_XS) | 98.12 GiB | 0.35 GiB | 99.03 GiB (106.33 GB) | ~188.8 tok/s | 显存充足，可稳定运行 | Instinct MI300X 192GB (192GB) | 配置参数推导公式 |
| GGUF Q3_K_M (3-bit — 低显存压缩) (Q3_K_M) | 90.26 GiB | 0.35 GiB | 91.17 GiB (97.89 GB) | ~198 tok/s | 显存充足，可稳定运行 | Instinct MI300X 192GB (192GB) | 配置参数推导公式 |
| GGUF UD-Q2_K_XL (2-bit — 超大 MoE 专用) (UD-Q2_K_XL) | 63.6 GiB | 0.35 GiB | 64.51 GiB (69.27 GB) | ~236.8 tok/s | 显存充足，可稳定运行 | RTX PRO 6000 Blackwell (96GB) | 配置参数推导公式 |
技术规格说明与常见问题 (FAQ)
Gaudi 3 128GB HBM2e (128GB) 能否流畅运行 Step-3.7 Flash (198B-A11B)？
在 4-bit (Q4_K_M) 量化与 8K 上下文下，Step-3.7 Flash (198B-A11B) 共需 112.91 GiB 显存（其中权重 112 GiB，KV 缓存 0.35 GiB，引擎缓冲 0.56 GiB），而 Gaudi 3 128GB HBM2e 可提供 121.6 GiB 可用显存，预计 Decode 速度约 174.6 tok/s。
Step-3.7 Flash (198B-A11B) 在 32K 长上下文下需要多少显存？
当上下文窗口扩展到 32,768 tokens 时，Step-3.7 Flash (198B-A11B)（稀疏 MoE + GQA）的 KV 缓存与状态占用为 1.2 GiB，4-bit 总显存需求为 113.76 GiB（十进制 122.15 GB）。
在其他硬件上测试该模型
RTX 3060 12GB (12GB)RTX 4060 Ti 16GB (16GB)RTX 4070 Ti Super (16GB)RTX 4080 Super (16GB)RTX 5070 12GB (12GB)RTX 5070 Ti (16GB)RTX 5080 (16GB)RTX 3090 (24GB)RTX 4090 (24GB)RTX 4090 D (24GB)RTX 5090 (32GB)RTX 5090 D (32GB)RTX A6000 (48GB)RTX 6000 Ada (48GB)RTX PRO 6000 Blackwell (96GB)DGX Spark (GB10 128GB) (128GB)L4 24GB (24GB)A40 48GB (48GB)L20 48GB (48GB)L40S 48GB (48GB)A800 80GB SXM (80GB)A100 80GB SXM (80GB)H800 80GB SXM (80GB)H100 80GB SXM (80GB)H20 96GB HBM3 (96GB)H20 141GB HBM3e (141GB)H200 141GB SXM (141GB)B200 180GB (180GB)B300 288GB Blackwell Ultra (288GB)Ascend 910B 64GB (昇腾) (64GB)Ascend 910C 128GB (昇腾) (128GB)Atlas 300I Duo 96GB (310P) (96GB)MLU590 80GB (寒武纪思元) (80GB)DCU K100-AI 64GB (海光深算) (64GB)MetaX C500 64GB (沐曦曦云) (64GB)Kunlunxin P800 64GB (昆仑芯) (64GB)MTT S4000 48GB (摩尔线程) (48GB)Radeon RX 7900 XTX 24GB (24GB)Radeon AI PRO R9700 32GB (32GB)Ryzen AI Max+ 395 128GB (128GB)Instinct MI300X 192GB (192GB)Instinct MI325X 256GB (256GB)Instinct MI355X 288GB (288GB)Arc Pro B60 24GB (24GB)Mac mini M4 Pro 64GB (64GB)MacBook Pro M4 Max 128GB (128GB)Mac Studio M4 Ultra 256GB (256GB)Mac Studio M3 Ultra 512GB (512GB)
在该硬件上测试其他模型
Qwen3.8 Flash Next (125B-A6B)Qwen3.8 27BQwen3.8 2.4T-A95BQwen3.6 35B-A3BQwen3.5 397B-A17BQwen3.5 122B-A10BQwen3.5 35B-A3BQwen3.5 27BQwen3.5 9BQwen3.5 4BQwen3 Coder 480B-A35BQwen3 Coder Next 80B-A3BQwen3 Coder 30B-A3BQwen3 30B-A3B Instruct 2507Qwen3 235B-A22B Instruct 2507Qwen3 32BQwen3 14BQwen3 8BQwen3 4B Instruct 2507Qwen3 1.7BQwen3 0.6BQwen2.5 72B InstructQwen2.5 Coder 32B InstructQwQ 32B ReasoningDeepSeek V4.1 Flash (552B-A16B)DeepSeek V4 FlashDeepSeek V3.2 (685B)DeepSeek R1-0528 671BDeepSeek V3-0324 671BDeepSeek R1 Distill Llama 70BDeepSeek R1 Distill Qwen 32BDeepSeek R1 Distill Qwen 14BDeepSeek R1 Distill Llama 8Bgpt-oss-20bgpt-oss-120bGemma 4 31B ITGemma 4 26B-A4B ITGemma 4 12B ITGemma 3 27B ITGemma 3 12B ITGemma 3 4B ITGLM-5.3 Flash (320B-A18B)GLM-5.3 (753B)GLM-5 (744B)GLM-4.5 (355B-A32B)GLM-4.5 Air (110B-A12B)GLM-4 32B-0414Kimi K3 (2.8T-A104B)Kimi K2 Instruct (1T-A32B)Kimi-Dev 72BMiniMax M3.1 Flash (428B-A23B)MiniMax M2.5 (229B-A10B)Step-3.5 Flash (197B-A11B)ERNIE 4.5 300B-A47B (文心)ERNIE 4.5 21B-A3B (文心)Hunyuan A13B Instruct (混元 80B)MiniCPM5 2B (面壁)Llama 4 Maverick 17B-128E (400B)Llama 4 Scout 17B-16E (109B)Llama 3.1 405B InstructLlama 3.3 70B InstructLlama 3.1 8B InstructLlama 3.2 3B InstructMistral Large 4 (1T-A52B)Mistral Large 2 123BMixtral 8x22B InstructMixtral 8x7B InstructMistral Small 3.2 24BDevstral Small 24BNemotron 3 Ultra 550B-A55BNemotron 3 Super 120B-A12BNemotron 3 Nano 30B-A3BCohere Command A 111BPhi-4 14BLiquid LFM3 1.7B