Step-5 Preview (600B-A27B) 在 Gaudi 3 128GB HBM2e (128GB) 上的显存占用、KV 缓存与速度评测

Step-5 Preview (600B-A27B)（总参数 600B，激活参数 27B，稀疏 MoE + GQA）在 4-bit (Q4_K_M) 下权重占 338.98 GiB；8K 上下文总显存需求为 340.18 GiB（十进制 365.27 GB），32K 上下文为 341.8 GiB。在 Gaudi 3 128GB HBM2e 上预计生成速度约 5.1 tok/s。

交互式显存与硬件选型工作台

查看完整评测报告 →

开源大模型600B / 27B

权重精度 / 量化格式Q4_K_M · 338.98 GiB

上下文窗口长度8,192 (8K)

目标显卡 / 硬件

128 GB · 3700 GB/s

显卡数量 (张量并行)

并发序列数 (Batch Size)

KV 缓存精度

推理引擎框架

系统内存卸载比例 (CPU Offload)0%

超出当前硬件显存上限

配置参数推导公式 HF config.json ↗

显存占用结构拆解 (GiB) 340.18 GiB (365.27 GB) / 128 GiB (266%)

模型权重: 338.98 GiB KV 缓存与状态: 0.64 GiB 引擎与算子缓冲: 0.56 GiB 所需系统内存 (CPU): 0 GiB

所需显存总量

340.18 GiB

365.27 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

-218.58 GiB

266% 显存占用率

预计生成速度 (Decode)

~5.1 tok/s

27B 激活参数

预计预填充速度 (Prefill)

~17670 tok/s

4K 提示词首字延迟: ~232 ms

每百万 Token 成本

$192.59

稀疏 MoE + GQA · Custom

当前参数下的最优硬件推荐

首选单卡方案

需多卡并行

—

高性价比 / 二手卡方案

4x H200 141GB SXM

564GB · ~$128,000

Apple 统一内存方案

Mac Studio M3 Ultra 512GB

~$9,500

云端最低起租

Vast.ai · $3.54 / 小时

8x A100 80GB SXM

生产环境启动命令

llama.cpp (GGUF)

llama-server -hf stepfun-ai/Step-5-Preview-GGUF:Q4_K_M \
  --ctx-size 8192 -ngl 999 --flash-attn

vLLM

vllm serve stepfun-ai/Step-5-Preview \
  --max-model-len 8192 --gpu-memory-utilization 0.92

实时首字延迟与生成速度模拟器 (TTFT ~232ms · ~5.1 tok/s)

[Step-5 Preview (600B-A27B) · 340.18 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。

数据核验: 2026-11-05

每日运行时长 (小时)4 小时 / 天

本地购卡预算 ($)

本地电费单价 ($/度)

购卡回本周期

~9.3 个月

预计本地月电费: $12.77 / 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	2x B300 288GB Blackwell Ultra (社区云 (Community))	576 GB	$13.88 / 小时	$1687.81 / 月	按秒计费	立即部署 ↗
Vast.ai	8x A100 80GB SXM (认证主机市场 · SXM4)	640 GB	$3.54 / 小时	$429.98 / 月	竞价 / 按需市场	立即部署 ↗
*Vultr ($300 Free Credit)**	8x A100 80GB SXM (按需独享实例 · $300 Credit*)	640 GB	$19.18 / 小时	$2331.80 / 月	按小时计费	立即部署 ↗
Vultr Cloud GPU	8x A100 80GB SXM (按需独享实例)	640 GB	$19.18 / 小时	$2331.80 / 月	按小时计费	立即部署 ↗
DigitalOcean	8x Instinct MI300X 192GB (按需独享实例)	1536 GB	$20.72 / 小时	$2519.55 / 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-5 Preview (600B-A27B)

QLoRA (4b) 超出当前硬件显存上限

343.84 GiB

模型权重: 338.98 GiB · 梯度与优化器状态: 3.78 GiB · Act: 1.08 GiB

最低推荐显卡: 4x H200 141GB SXM (564GB)

LoRA (16b) 超出当前硬件显存上限

1124.96 GiB

模型权重: 1117.59 GiB · 梯度与优化器状态: 5.94 GiB · Act: 1.43 GiB

最低推荐显卡: 8x B200 180GB (1440GB)

全量微调 超出当前硬件显存上限

4584.64 GiB

模型权重: 1117.59 GiB · 梯度与优化器状态: 3464.53 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

单张 Gaudi 3 128GB HBM2e（128GB）不足以全量装入 4-bit 的 Step-5 Preview (600B-A27B)（8K 需 340.18 GiB）。建议改用多卡张量并行、开启 CPU 内存卸载（--n-cpu-moe / -ngl），或直接租用更大显存的云端 GPU。

长上下文 KV 缓存与引擎调优

Step-5 Preview (600B-A27B) 采用稀疏 MoE + GQA 架构（总参数 600B，每步激活 27B）。从 8K 扩至 32K 上下文时，FP16 KV 缓存从 0.64 GiB 增至 2.26 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 1.13 GiB 显存（降至 340.67 GiB）。

不同上下文窗口下的显存增长曲线（4K 至 128K，4-bit 权重）

模型权重体积保持固定，注意力 KV 缓存随上下文长度与并发序列数线性或按窗口增长。

全量化档位显存与速度对照表 — Step-5 Preview (600B-A27B) @ 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)	1117.59 GiB	0.64 GiB	1118.79 GiB (1201.29 GB)	~1.1 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)	593.72 GiB	0.64 GiB	594.92 GiB (638.79 GB)	~2.4 tok/s	超出当前硬件显存上限	需多卡并行	配置参数推导公式
GGUF Q6_K (6-bit — 高精度甜点) (Q6_K)	458.21 GiB	0.64 GiB	459.41 GiB (493.29 GB)	~3.3 tok/s	超出当前硬件显存上限	需多卡并行	配置参数推导公式
GGUF Q5_K_M (5-bit — 均衡优选) (Q5_K_M)	397.55 GiB	0.64 GiB	398.75 GiB (428.15 GB)	~4 tok/s	超出当前硬件显存上限	需多卡并行	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)	338.98 GiB	0.64 GiB	340.18 GiB (365.27 GB)	~5.1 tok/s	超出当前硬件显存上限	需多卡并行	配置参数推导公式
GGUF IQ4_XS (4.25-bit — 紧凑省显存) (IQ4_XS)	297.01 GiB	0.64 GiB	298.21 GiB (320.2 GB)	~6.2 tok/s	超出当前硬件显存上限	需多卡并行	配置参数推导公式
GGUF Q3_K_M (3-bit — 低显存压缩) (Q3_K_M)	273.24 GiB	0.64 GiB	274.44 GiB (294.68 GB)	~7.2 tok/s	超出当前硬件显存上限	需多卡并行	配置参数推导公式
GGUF UD-Q2_K_XL (2-bit — 超大 MoE 专用) (UD-Q2_K_XL)	192.3 GiB	0.64 GiB	193.5 GiB (207.77 GB)	~14.9 tok/s	超出当前硬件显存上限	Instinct MI325X 256GB (256GB)	配置参数推导公式

技术规格说明与常见问题 (FAQ)

Gaudi 3 128GB HBM2e (128GB) 能否流畅运行 Step-5 Preview (600B-A27B)？

在 4-bit (Q4_K_M) 量化与 8K 上下文下，Step-5 Preview (600B-A27B) 共需 340.18 GiB 显存（其中权重 338.98 GiB，KV 缓存 0.64 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 5.1 tok/s。

Step-5 Preview (600B-A27B) 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-5 Preview (600B-A27B)（稀疏 MoE + GQA）的 KV 缓存与状态占用为 2.26 GiB，4-bit 总显存需求为 341.8 GiB（十进制 367 GB）。

在其他硬件上测试该模型

RTX 3060 12GB (12GB)RTX 4060 Ti 16GB (16GB)RTX 5060 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 27B Qwen3.8 2.4T-A95B Qwen3.6 35B-A3B Qwen3.5 397B-A17B Qwen3.5 122B-A10B Qwen3.5 35B-A3B Qwen3.5 27B Qwen3.5 9B Qwen3.5 4B Qwen3 Coder 480B-A35B Qwen3 Coder Next 80B-A3B Qwen3 Coder 30B-A3B Qwen3 30B-A3B Instruct 2507 Qwen3 235B-A22B Instruct 2507 Qwen3 32B Qwen3 14B Qwen3 8B Qwen3 4B Instruct 2507 Qwen3 1.7B Qwen3 0.6B Qwen2.5 72B Instruct Qwen2.5 Coder 32B Instruct QwQ 32B Reasoning DeepSeek V4.1 Flash (552B-A16B)DeepSeek V4 Flash DeepSeek V3.2 (685B)DeepSeek R1-0528 671B DeepSeek V3-0324 671B DeepSeek R1 Distill Llama 70B DeepSeek R1 Distill Qwen 32B DeepSeek R1 Distill Qwen 14B DeepSeek R1 Distill Llama 8B gpt-oss-20b gpt-oss-120b Gemma 4 31B IT Gemma 4 26B-A4B IT Gemma 4 12B IT Gemma 4 E4B IT Gemma 4 E2B IT Gemma 3 27B IT Gemma 3 12B IT Gemma 3 4B IT GLM-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-0414 Kimi K3.1 Pro (2.8T-A104B)Kimi K3 (2.8T-A104B)Kimi K2 Instruct (1T-A32B)Kimi-Dev 72B MiniMax M3.1 Flash (428B-A23B)MiniMax M2.5 (229B-A10B)Step-3.7 Flash (198B-A11B)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 Instruct Llama 3.3 70B Instruct Llama 3.1 8B Instruct Llama 3.2 3B Instruct Mistral Large 4 (1T-A52B)Mistral Large 2 123B Mixtral 8x22B Instruct Mixtral 8x7B Instruct Mistral Small 3.2 24B Devstral Small 24B Nemotron 3 Ultra 550B-A55B Nemotron 3 Super 120B-A12B Nemotron 3 Nano 30B-A3B Cohere Command A 111B Phi-4 14B Liquid LFM3 1.7B