HyperAI超神经

选择 GPU 配置和能力，以寻找最适合的开源模型，并将其部署为 API。

最佳推理与数学模型于 1× NVIDIA RTX 5090

竞赛数学、逻辑与科学推理

#	模型	参数量	精度	最大上下文	评分 (0–10)
1	Qwen3.6-27B 2026.04	27.8B	NVFP4	103K	9.29
2	Qwen3.8-27B已验证 2026.08	27.8B	NVFP4	103K	8.85
3	Qwen3.6-35B-A3B 2026.04	35B	NVFP4	256K	8.77
4	Qwen3.5-35B-A3B 2026.02	35B	NVFP4	256K	7.85
5	Qwen3.5-27B 2026.02	27B	NVFP4	107K	7.85
6	EVIE-Preview-4.5B 2026.08	4.5B	FP16	256K	7.62
7	gpt-oss-20b 2025.08	20.9B	NVFP4	128K	7.60
8	Kimi-VL-A3B-Thinking 2026.01	16.4B	FP8	94K	7.30
9	Qwen3.5-4B 2026.03	4B	FP16	256K	7.26
10	Qwen3.5-9B 2026.03	9B	FP16	161K	7.26
11	GLM-4.7-Flash 2026.01	31B	NVFP4	198K	7.23
12	gpt-oss-safeguard-20b 2026.01	21.5B	NVFP4	128K	7.10
13	Gemma 4 12B 2026.06	12B	FP8	131K	7.07
14	Gemma 4 26B-A4B 2026.03	26B	NVFP4	256K	7.07
15	Gemma 4 E4B 2026.03	8B	FP16	128K	7.07
16	Kimi-VL-A3B-Thinking-2506 2026.01	16.4B	FP8	94K	7.00
17	Fara1.5-27B 2026.07	27.4B	NVFP4	105K	6.80
18	ZAYA1-8B 2026.06	8.8B	FP16	128K	6.71
19	Cosmos3-Edge 2026.08	3.9B	FP16	128K	6.60
20	Qwen3.5-2B 2026.03	2B	FP16	256K	6.38

已在 HyperAI 上验证部署得分汇总了所选能力的公开基准测试数据。列出的模型在可用显存 (VRAM) 中均能容纳权重和 KV 缓存，并支持至少 64K 的上下文，且处于最适用的最佳精度。