PersonaPlex-7B / Moshi (7.2B) 显存计算与 GPU 部署指南

针对 PersonaPlex-7B / Moshi (7.2B)(NVIDIA / Kyutai,总参数 7.2B)的实时显存核算。8K 上下文参考:INT4 6.1 GB • FP8 9.7 GB • FP16 16.9 GB。

3,000 步 12.5Hz 环形滑窗(固定 FP16 KV)
张卡

显存需求 16.89 GB

需要 1 张显卡(基于显存容量)

14.65 GB

所有模型权重

1.46 GB

对话历史缓存

0.67 GB

并发处理缓存

0.1 GB

临时计算缓存

单节点最大并发流
4 streams
双工架构类型
Native Full-Duplex (12.5Hz)
预估延迟
2521 ms
最大QPS
0.4 queries/s

基于 1x NVIDIA RTX 4090 (24GB) 的显存带宽与算力模型推算的参考推理速率。

一键部署命令生成
python -m moshi.server --hf-repo nvidia/personaplex-7b-v1
命令参数已自动匹配当前所选精度、上下文长度与多卡张量并行数量。查看 PersonaPlex-7B 专属显存指南 →

PersonaPlex-7B / Moshi (7.2B) 模型架构与显存规格真原生全双工(12.5Hz 双流锁槽)

总参数量
7.2B
模型架构
Dense 稠密架构
发布厂商
NVIDIA / Kyutai
推荐部署精度
FP16

PersonaPlex-7B / Moshi (7.2B) 不同精度与并发流数显存矩阵

包含不可量化声学编解码/CFM 子网、流式缓冲区及 KV 滑窗的实际占用。

量化精度1 路并发4 路并发16 路并发
FP1616.9 GB21.8 GB41.6 GB
FP89.7 GB14.6 GB34.4 GB
INT89.7 GB14.6 GB34.4 GB
INT46.1 GB11.0 GB30.8 GB

PersonaPlex-7B / Moshi (7.2B) 推荐 GPU 硬件配置表(FP16)

基于单卡显存及全双工 12.5Hz 帧预算的最低卡数与最大并发语音流数。

GPU 显卡型号最低卡数总显存池最大并发流
NVIDIA RTX 4090 (24GB)1×24 GB4 streams
NVIDIA RTX 5090 (32GB)1×32 GB5 streams
Apple M4 Max (128GB) (128GB)1×128 GB3 streams
NVIDIA A100 (80GB) (80GB)1×80 GB4 streams
NVIDIA H100 (80GB)1×80 GB24 streams
NVIDIA H200 (141GB)1×141 GB24 streams
Huawei Ascend 910B (64GB)1×64 GB7 streams

PersonaPlex-7B / Moshi (7.2B) 部署常见问题

运行 PersonaPlex-7B / Moshi (7.2B) 最低需要多大显存?
单路并发推理时,PersonaPlex-7B / Moshi (7.2B) 在 FP16 约需 16.9 GB、FP8 约需 9.7 GB、INT4 约需 6.1 GB 显存(已计入常驻高精度声学/Codec 模块)。
用 RTX 4090 或 H100 部署 PersonaPlex-7B / Moshi (7.2B) 需要几张卡?
以 FP16 精度运行 PersonaPlex-7B / Moshi (7.2B),至少需要 1 张 RTX 4090 (24GB) 或 1 张 NVIDIA H100 (80GB)。
生产环境运行 PersonaPlex-7B / Moshi (7.2B) 推荐哪种量化精度?
对于 NVIDIA / Kyutai 推出的 PersonaPlex-7B / Moshi (7.2B)(7.2B),推荐优先使用 FP16,在生成质量、显存开销与吞吐效率间表现最佳。