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
性能指标
模拟 60 tok/s 效果 →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 |
|---|---|---|---|
| FP16 | 16.9 GB | 21.8 GB | 41.6 GB |
| FP8 | 9.7 GB | 14.6 GB | 34.4 GB |
| INT8 | 9.7 GB | 14.6 GB | 34.4 GB |
| INT4 | 6.1 GB | 11.0 GB | 30.8 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 GB | 4 streams |
| NVIDIA RTX 5090 (32GB) | 1× | 32 GB | 5 streams |
| Apple M4 Max (128GB) (128GB) | 1× | 128 GB | 3 streams |
| NVIDIA A100 (80GB) (80GB) | 1× | 80 GB | 4 streams |
| NVIDIA H100 (80GB) | 1× | 80 GB | 24 streams |
| NVIDIA H200 (141GB) | 1× | 141 GB | 24 streams |
| Huawei Ascend 910B (64GB) | 1× | 64 GB | 7 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。