// 百度文心 ERNIE · 文本大模型
ERNIE-4.5-21B-A3B-Thinking 本地部署与显存需求
总 21.8B · 激活 3B（MoE） 参数。4 位量化约 15.5 GB，BF16 约 49.0 GB（1 个 8K token 请求）。
发布 2025-09-08许可：可商用显存为估算值
01规格
| 发布方 | 百度 · baidu |
|---|---|
| 系列 | 百度文心 ERNIE · ERNIE-4.5-Thinking |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 21.8B · 激活 3B（MoE） 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 28 层 · GQA · MoE |
| 发布权重 | BF16 · 43.7 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-09-08 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 43.6 GB | 49.0 GB | 50.4 GB | 56.0 GB | 2 × RTX 5090（64GB） | Mac 128GB |
| FP8 / INT8 / Q8_0 | 23.2 GB | 26.5 GB | 27.9 GB | 33.5 GB | RTX 5090 32GB | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 13.2 GB | 15.5 GB | 16.9 GB | 22.6 GB | RTX 4090 24GB | Mac 36GB |
每个请求的 KV 缓存：8K 0.5 GB · 32K 1.9 GB · 128K 7.5 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
baidu 官方发布的 1 个仓库。
05百度文心 ERNIE 其他模型
全部 11 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| ERNIE-Image | 8.03B | 5.9 GB | 2026-04-07 |
| ERNIE-Image-Turbo | 8.03B | 5.9 GB | 2026-04-02 |
| ERNIE-4.5-VL-28B-A3B-Thinking | 29.7B / 3B | 20.8 GB | 2025-11-07 |
| ERNIE-4.5-0.3B-PT | 361M | 0.9 GB | 2025-06-28 |
| ERNIE-4.5-21B-A3B-PT | 21.9B / 3B | 15.6 GB | 2025-06-28 |
| ERNIE-4.5-300B-A47B-PT | 300.5B / 47B | 203 GB | 2025-06-28 |
| ERNIE-4.5-300B-A47B-Paddle | 300.5B / 47B | 203 GB | 2025-06-28 |
| ERNIE-4.5-VL-28B-A3B-PT | 29.4B / 3B | 20.6 GB | 2025-06-28 |
06来源
数据核对于 2025-11-26。参数、上下文、许可取自官方仓库；显存为本站估算。