一、基础概念INT4 =4 位整数量化AI 大模型里每一个权重数字，原本标准格式是 FP32（32 位浮点数），占用 4 字节显存。 量化：把高精度小数，压缩成低位数整数，大幅减少显存占用，代价是轻微损失一点 AI 精度，日常使用几乎感知不到。常见量化规格对比（直观看懂压缩比例）：FP32：32bit，原始完整精度，显存占用最大FP16/BF16：16bit，减半显存，你 3060 支持INT8：8bit，再减半INT4：4bit，再砍一半，显存直接压缩到原版 1/8二、INT4 核心作用（对你最关键）极致省显存以大模型权重举例：7B FP16：约 13G 显存7B INT4：仅 3.5~4G 显存 13B、30B 同理，显存直接砍 75%，低配显卡才能跑大模型。降低硬件门槛你的 3060 只有 12G 显存，不做 INT4 量化，连 13B 模型都加载不进去；开启 INT4 后才能正常运行。小幅提速 数据体积变小，GPU 读写更快，推理生成文字速度会有小幅提升。三