我一直在问自己同一个问题：我的显卡到底能不能跑这个模型？
不是理论上，而是实际上。我有一张 RTX 4090，想跑 Llama 3.3 70B。需要再买一张卡吗？该妥协用 Q4 量化吗？把上下文窗口拉到 32K 还能装得下吗？
用搜索引擎找到的不是答案互相矛盾的 Reddit 帖子，就是只能告诉你一半信息的计算器。有个叫 llmfit 的 CLI 其实做得不错——GitHub 上 29k 颗星——但它运行在你的机器上，只能告诉你这台机器能干什么。如果你还在纠结该买什么卡，它帮不上忙。
所以我做了一个能帮上忙的工具。
GPU Fits 是干什么的
三个工具，全部在浏览器里运行，无需安装。
显存计算器
选一个模型，选一个量化级别（Q4_K_M、Q6_K、FP16 等），拖动上下文长度滑块。它会把显存占用拆成三根条形图：权重、KV cache 和系统开销。KV cache 这部分比较有意思——我不得不分别处理标准的 GQA 模型和 DeepSeek-R1 这样的 MLA 模型，因为后者对 cache 的压缩太狠了，用标准公式会高估好几个数量级。
GPU 兼容性检查器（双向）
这是我自己用得最多的一个。两种模式：
- 模型 → GPU:”我想用 Q4 量化、8K 上下文跑 Qwen3 32B——哪些卡能胜任？”单卡、多卡都行。它会按”宽松（≤80% 显存）”、”紧张（≤100%）”或”需要多卡”来排序。
- GPU → 模型:”我有一张 4090——能舒服地跑的最大模型是哪个？”或者”我有两张 3090——怎么组合才能装得下？”
上下文长度会改变答案，而这恰恰是大多数对照表忽略的部分。
本地部署 vs API 成本计算器
诚实的那个。输入你预期的每月 token 用量，它会告诉你买硬件相比调 API 是否划算。它不会默认”本地永远更划算”——有时候确实不划算，工具会直说。如果算下来 API 更便宜，它会告诉你盈亏平衡点在第几个月。不带立场，只有数字。
还是那套”无聊”的技术栈
和 NZ Pathway 一样：Astro 4、Tailwind、静态 HTML。我把移民项目的骨架复制过来，剥离了所有新西兰相关的内容。i18n 流水线、Cloudflare Pages 部署和 SEO 配置都是经过实战检验的，所以这次做得更快。
整个网站是双语的（英文 + 中文），因为玩本地 LLM 的人本来就横跨这两个生态圈。
有件事一点也不无聊：网站会自动生成 138 个组合页面，比如”RTX 4090 能跑 Llama 3.1 70B 吗？”每个页面都是真实计算出来的数字，不是复制粘贴的文案。也就是 138 × 2 种语言 = 276 个页面，全是静态 HTML，部署时由一个 12×12 的模型×GPU 矩阵生成。思路是抓住那些没人专门写内容的长尾搜索词。
目前进展
所有功能都完成了，总共 313 个页面。20/20 个测试向量全部通过（我给显存计算公式写了单元测试，因为这东西算错了还不如干脆没有计算器）。数据层覆盖 12 个模型、12 款 GPU、7 个量化预设，以及 7 家 API 服务商的定价。
域名买好了，Cloudflare Pages 配置完毕，网站已经上线。
规矩和上个项目一样：工具优先，信任其次，广告随缘。我依然不会假装自己是别的什么——每个页面都有免责声明，说明这些只是估算而非保证，数字还是要自己核实。
**已上线：gpufits.com。**如果你也体会过那种”我的显卡到底装不装得下 70B 模型”的纠结，这个工具可能对你有用。