我能跑 Phi-4 Mini 3.8B 吗？
Microsoft 的 Phi-4 Mini 3.8B 在推荐的 4 位量化下大约需要 6 GB 内存（下载体积 2.3 GB）。下方即时检测您的硬件 — 数据不会离开您的浏览器。 在 NVIDIA RTX 3060 12GB 上预计可达约 ~133 tok/s。
正在读取您的硬件信号…
实际使用笔记
Phi-4 Mini 3.8B 是微软推出的小型对话模型，当你想要一个真正轻量、又能正常聊天的模型时，它就是首选。4-bit 量化下体积约 2.3 GB，2-bit 时进一步降到约 1.6 GB，因此几乎在任何设备上都能跑：6 GB 显存的 GPU 绰绰有余，入门级 M1 Mac 毫不费力，连用 CPU 跑的老笔记本也能带得动。MIT 许可证是最省心的部分，没有条款要读，也没有商用限制，你可以放心地把它集成进产品里发布。
日常使用中它很快。在 RTX 3060 上大约能跑到 133 tok/s，M 系列 Max 接近 151 tok/s，而 4090 能冲到 370 tok/s 以上，这个速度远远超过你的阅读速度。128K 上下文是最抢眼的数字，但要谨慎对待：一旦填满，总内存占用会攀升到约 14.3 GB，远超模型空载时所需的 6 GB。在小显存 GPU 上，把工作上下文控制在几千 token 以内就能保持流畅。即便是 DDR5 内存上的 CPU，处理短提示时也能维持约 22 tok/s。
它的体量短板体现在深度上。在推理和多步指令方面，参数量大致相当的 Qwen 3 4B 通常更有优势；如果你需要真正的推理余量，Phi-4 14B 是顺理成章的升级选择。Phi-4 Mini 最突出的特点是高效：在普通聊天和摘要任务上，它的表现超出 3.8B 这个体量应有的水平，同时又小到几乎能在任何地方运行，且采用 MIT 许可、毫无限制。如果你想要一个加载迅速、不碍手脚的微型本地助手，它是一个相当稳妥的默认选择。
规格参数
各量化版本体积
| 量化 | 位/权重 | 下载体积 | 最低内存 | 质量 |
|---|---|---|---|---|
| Q2_K | 3.35 | 1.6 GB | 4 GB | 损失明显 |
| Q4_K_M推荐 | 4.85 | 2.3 GB | 6 GB | 推荐 |
| Q5_K_M | 5.65 | 2.7 GB | 6 GB | 高 |
| Q8_0 | 8.5 | 4.0 GB | 8 GB | 接近原版 |
| F16 | 16 | 7.6 GB | 12 GB | 原版 |
体积按参数量 × 位/权重估算，实际 GGUF 版本会略有差异。 · 数据更新于: 2026-06-11 · 这些数字是怎么算出来的 →
不同上下文长度的内存需求
| 上下文 | KV 缓存（估算） | 总内存（Q4） |
|---|---|---|
| 4K tokens | ~0.4 GB | ~2.7 GB |
| 8K tokens | ~0.8 GB | ~3.1 GB |
| 32K tokens | ~3.0 GB | ~5.3 GB |
| 128K tokens | ~12.0 GB | ~14.3 GB |
KV 缓存会随上下文长度增长 — 4K 下装得下的模型，到 32K 可能就内存不足了。估算基于 FP16 缓存并采用 grouped-query attention；实际占用因运行时而异。
不同硬件的预估速度
| 硬件 | 带宽 | 约·速度 |
|---|---|---|
| NVIDIA RTX 3060 12GB | 360 GB/s | ~133 tok/s |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~372 tok/s |
| Apple M-series (base) | 100 GB/s | ~37 tok/s |
| Apple M-series Pro | 270 GB/s | ~100 tok/s |
| Apple M-series Max | 410 GB/s | ~151 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~22 tok/s |
Token 生成速度受内存带宽限制：tok/s ≈ 带宽 × 0.85 ÷ Q4 下的模型体积。实际数值因运行时和上下文长度而异。
在本地运行
最简单的方式是 Ollama — 一条命令即可开聊：
ollama run phi4-mini