DeskGPU
Deutsch

NVIDIA GeForce RTX 4060 Ti 16GB: Welche LLMs kann sie ausführen?

Diese Seite wurde automatisch von einer KI geschrieben und übersetzt und von Software anhand ihrer Quellen geprüft, ohne menschliche Bearbeitung. Die Spezifikationen stammen aus den angegebenen Quellen; Speicherbedarf und Geschwindigkeiten sind Schätzungen, die mit veröffentlichten Formeln berechnet wurden. Wie wir KI nutzen

NVIDIA GeForce RTX 4060 Ti 16GB hat 16 GB Speicher (Herstellerangabe). Nachfolgend wird jedes Modell der Datenbank mit llama.cpp bei einer Kontextlänge von 8.192 Tokens (oder dem Maximum des Modells, falls dieses kürzer ist) darauf geprüft.

Werte aktualisiert am 19. Okt. 2026

Spezifikationen

Speicher (Herstellerangabe)
16 GB
Speichertyp
GDDR6
Breite des Speicherbusses
128 bit
Speicherbandbreite
288 GB/s
Boardleistung (TDP)
165 W
FP16 Tensor, dicht
Nicht angezeigt: Offene Quellen liefern keine zwei unabhängigen, übereinstimmenden Werte mit einer Herstellerangabe.
BF16 Tensor, dicht
Nicht angezeigt: Offene Quellen liefern keine zwei unabhängigen, übereinstimmenden Werte mit einer Herstellerangabe.
FP8 Tensor, dicht
Nicht angezeigt: Offene Quellen liefern keine zwei unabhängigen, übereinstimmenden Werte mit einer Herstellerangabe.
FP4 Tensor, dicht
Nicht angezeigt: Offene Quellen liefern keine zwei unabhängigen, übereinstimmenden Werte mit einer Herstellerangabe.
INT8 Tensor, dicht
Nicht angezeigt: Offene Quellen liefern keine zwei unabhängigen, übereinstimmenden Werte mit einer Herstellerangabe.
Schnittstelle
PCIe 4.0 x8

Jeder Wert führt alle Quellen mit ihrer eigenen Angabe auf; die Einheiten wurden normalisiert. Die „GB“ GPU-Speicher eines Herstellers werden als GiB (2³⁰ Byte) gezählt, so wie es auch die ROCm-Tabelle von AMD angibt. Wie Spezifikationen geprüft werden

Laufzeitprofil

Laufzeitprofil: llama.cpp, CUDA-Backend (dedizierte NVIDIA-GPU), alle Layer auf der GPU, Flash Attention an, Micro-Batch (-ub) 512, F16-KV-cache, Kontextlänge (-c) wie angezeigt; „Passt“ wird mit den 4 parallelen Sequenzen beurteilt, die llama-server standardmäßig nutzt (-np auto, einheitlicher KV-Cache), „Passt nicht“ mit 1 Sequenz; unbelastete GPU, ohne andere Programme, die ihren Speicher nutzen.

Als verfügbar für „Passt“ gezählter Speicher (C_low): 13,88 GiB pro Karte = 16 GiB nominal − 5 MiB (nominal abzüglich der Gesamtmenge, die llama.cpp in öffentlichen Logs für diese GPU gemeldet hat) − 2.112 MiB (die größte Start- und Laufzeitbelegung in den öffentlichen Logs dieses Profils), abgerundet auf ein Vielfaches von 64 MiB.

Diese Ergebnisse gelten für die Konfiguration aus öffentlichen Logs, in der llama.cpp für diese GPU 16.379 MiB Gesamtspeicher gemeldet hat. Einstellungen, die den nutzbaren Speicher verringern (zum Beispiel ECC, sofern die Karte es unterstützt), sind nicht berücksichtigt.

Speicher für „Passt nicht“ (C_high): der volle Speicher von 16 GiB pro Karte. Laufzeitprofile und ihre Messungen

Welche Modelle passen

„Passt“ bedeutet: Die standardmäßige --fit-Ladeprüfung von llama.cpp würde alle Layer auf der GPU platzieren. Unsere Schätzung der Puffer von llama.cpp, plus deren Fehlermarge, plus die Reserve von 1 GiB pro Karte bei llama.cpp liegt innerhalb des als verfügbar gezählten Speichers. Es ist keine Zusage, dass der Spitzenspeicherbedarf während der Generierung passt. Wie Ergebnisse bestimmt werden

Kontextlänge 8.192 Tokens (oder das Maximum des Modells, falls es kürzer ist). Die letzten Spalten zeigen die längste Kontextlänge bei dieser Quantisierung und die bandbreitenbasierte Obergrenze der Geschwindigkeit.
Modell Parameter Höchste Quantisierung, die passt Benötigter verfügbarer Speicher für „Passt“ Längste Kontextlänge Geschwindigkeitsobergrenze Ergebnis
AI21-Jamba2-Mini 51,6B (11,8B aktiv) IQ2_XXS 13,6 GiB 21.760 ≤ 85,3 tok/s Passt
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B aktiv) IQ2_XXS 13,3 GiB 61.184 ≤ 215 tok/s Passt
Hermes-4.3-36B 36,2B IQ2_XXS 12,9 GiB 11.776 ≤ 24,4 tok/s Passt
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B aktiv) IQ2_M 12,8 GiB 115.712 ≤ 217 tok/s Passt
Holo4-35B-A3B 34,7B (2,9B aktiv) IQ2_XXS 12,0 GiB 93.952 ≤ 168 tok/s Passt
Ising-Calibration-1-35B-A3B 34,7B (2,9B aktiv) IQ2_M 13,1 GiB 41.216 ≤ 190 tok/s Passt
KAT-Coder-V2.5-Dev 34,7B (2,9B aktiv) IQ2_M 13,5 GiB 23.040 ≤ 164 tok/s Passt
Qwen3.5-35B-A3B-Base 34,7B (2,9B aktiv) IQ2_M 13,0 GiB 46.592 ≤ 206 tok/s Passt
Qwen3.6-35B-A3B 34,7B (2,9B aktiv) IQ2_M 13,5 GiB 23.040 ≤ 164 tok/s Passt
Laguna-XS-2.1 33,4B (2,8B aktiv) Q2_K 13,8 GiB 10.496 ≤ 144 tok/s Passt
AesCode-32B 32,8B IQ2_XXS 13,6 GiB 9.216 ≤ 23,0 tok/s Passt
Cosmos-Reason2-32B 32,8B IQ2_XXS 12,0 GiB 15.360 ≤ 26,4 tok/s Passt
FrogBoss-32B-2510 32,8B IQ2_XXS 12,0 GiB 15.360 ≤ 26,4 tok/s Passt
Nemotron-Terminal-32B 32,8B IQ2_XXS 12,0 GiB 15.360 ≤ 26,4 tok/s Passt
SERA-32B 32,8B IQ2_XXS 12,0 GiB 15.360 ≤ 26,4 tok/s Passt
WebWorld-32B 32,8B IQ2_XXS 12,0 GiB 15.360 ≤ 26,4 tok/s Passt
Olmo-3.1-32B-Instruct-DPO 32,2B IQ2_XXS 11,8 GiB 15.872 ≤ 29,0 tok/s Passt
Olmo-3-1125-32B 32,2B IQ2_XXS 11,8 GiB 15.872 ≤ 29,0 tok/s Passt
Olmo-3-32B-Think-DPO 32,2B IQ2_XXS 11,8 GiB 15.872 ≤ 29,0 tok/s Passt
Olmo-3-32B-Think-SFT 32,2B IQ2_XXS 11,8 GiB 15.872 ≤ 29,0 tok/s Passt
Holo2-30B-A3B 30,5B (3,0B aktiv) Q2_K 13,0 GiB 16.640 ≤ 136 tok/s Passt
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B aktiv) Q2_K 13,0 GiB 16.640 ≤ 136 tok/s Passt
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B aktiv) Q2_K 13,0 GiB 16.640 ≤ 136 tok/s Passt
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B aktiv) Q2_K 13,0 GiB 16.640 ≤ 136 tok/s Passt
UI-Venus-1.5-30B-A3B 30,5B (3,0B aktiv) Q2_K 13,0 GiB 16.640 ≤ 136 tok/s Passt
North-Mini-Code-1.0 30,5B (3,3B aktiv) Q2_K 13,2 GiB 14.336 ≤ 130 tok/s Passt
GLM-4.7-Flash 29,9B (3,6B aktiv) Q2_K 12,8 GiB 28.160 ≤ 128 tok/s Passt
Muse-Glimmer-30B 27,9B IQ3_XXS 12,6 GiB 90.880 ≤ 25,8 tok/s Passt
gemma-2-27b-it 27,2B IQ2_M 13,8 GiB 8.192 ≤ 24,6 tok/s Passt
Fara1.5-27B 26,9B Q2_K 13,6 GiB 12.032 ≤ 24,6 tok/s Passt
Holo4-27B 26,9B IQ3_XXS 13,1 GiB 20.224 ≤ 25,8 tok/s Passt
Qwen3.8-27B 26,9B IQ3_XXS 13,8 GiB 9.472 ≤ 24,2 tok/s Passt
Qwen3.8-3.6-27B-blend 26,9B IQ3_XXS 13,8 GiB 9.472 ≤ 24,2 tok/s Passt
UI-Mate-27B 26,9B Q2_K 13,6 GiB 12.032 ≤ 24,6 tok/s Passt
UI-Mate-democua-27B 26,9B Q2_K 12,7 GiB 25.344 ≤ 26,6 tok/s Passt
Trinity-Mini 26,1B (3,1B aktiv) Q3_K_M 13,6 GiB 19.200 ≤ 147 tok/s Passt
Trinity-Mini-Base 26,1B (3,1B aktiv) IQ3_XXS 11,8 GiB 123.648 ≤ 184 tok/s Passt
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B aktiv) Q3_K_M 13,8 GiB 4.096 ≤ 160 tok/s Passt
gemma-4-26B-A4B 25,2B (3,8B aktiv) Q2_K 13,0 GiB 47.616 ≤ 128 tok/s Passt
gemma-4-26B-A4B-it 25,2B (3,8B aktiv) Q2_K 13,4 GiB 31.232 ≤ 110 tok/s Passt
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B aktiv) Q3_K_M 13,3 GiB 14.336 ≤ 117 tok/s Passt
Devstral-Small-2-24B-Instruct-2512 23,6B Q3_K_M 13,6 GiB 9.984 ≤ 23,0 tok/s Passt
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q3_K_M 13,6 GiB 9.984 ≤ 23,0 tok/s Passt
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B aktiv) Q3_K_M 12,7 GiB 29.952 ≤ 115 tok/s Passt
EuroLLM-22B-2512 22,6B Q3_K_M 13,6 GiB 9.216 ≤ 22,9 tok/s Passt
EuroLLM-22B-Instruct-2512 22,6B Q3_K_M 13,6 GiB 9.216 ≤ 22,9 tok/s Passt
gpt-oss-20b 20,9B (3,6B aktiv) Q8_0 12,9 GiB 45.312 ≤ 104 tok/s Passt
OptiMind-SFT 20,9B (3,6B aktiv) Q4_0 13,2 GiB 33.024 ≤ 113 tok/s Passt
DeepSeek-R1-Distill-Qwen-14B 14,8B Q5_K_M 12,7 GiB 14.336 ≤ 24,9 tok/s Passt
Qwen2.5-14B-Instruct 14,8B Q5_K_M 12,7 GiB 14.336 ≤ 24,9 tok/s Passt
ContextPilot-14B 14,8B Q5_K_M 12,6 GiB 15.616 ≤ 24,9 tok/s Passt
FrogMini-14B-2510 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
JanusCoder-14B 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
Nemotron-Cascade-14B-Thinking 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
Nemotron-Terminal-14B 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
NousCoder-14B 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
Qwen3-14B 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
Qwen3-Nemotron-14B-BRRM 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
WebWorld-14B 14,8B Q5_K_M 12,4 GiB 17.152 ≤ 25,5 tok/s Passt
phi-4 14,7B Q5_K_M 12,8 GiB 13.568 ≤ 24,5 tok/s Passt
Apriel-1.6-15b-Thinker 14,4B Q5_K_M 12,5 GiB 15.360 ≤ 25,2 tok/s Passt
Ministral-3-14B-Instruct-2512 13,5B Q5_K_M 11,6 GiB 22.272 ≤ 27,4 tok/s Passt
Ministral-3-14B-Reasoning-2512 13,5B Q5_K_M 11,6 GiB 22.272 ≤ 27,4 tok/s Passt
Mistral-Nemo-Instruct-2407 12,2B Q6_K 11,9 GiB 20.224 ≤ 26,6 tok/s Passt
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B aktiv) Q6_K 12,1 GiB 119.808 ≤ 137 tok/s Passt
Mellum2-12B-A2.5B-Base 12,1B (2,2B aktiv) Q6_K 12,1 GiB 119.808 ≤ 137 tok/s Passt
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B aktiv) Q6_K 12,2 GiB 113.152 ≤ 130 tok/s Passt
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B aktiv) Q6_K 12,1 GiB 119.808 ≤ 137 tok/s Passt
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B aktiv) Q6_K 12,2 GiB 113.152 ≤ 130 tok/s Passt
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B aktiv) Q6_K 12,1 GiB 119.808 ≤ 137 tok/s Passt
gemma-4-12B-it 11,9B Q6_K 12,7 GiB 70.656 ≤ 28,1 tok/s Passt
gemma-3-12b-it 11,8B Q6_K 13,0 GiB 20.992 ≤ 27,4 tok/s Passt
translategemma-12b-it 11,8B Q6_K 13,0 GiB 20.992 ≤ 27,4 tok/s Passt
Bielik-11B-v3.0-Instruct 11,2B Q6_K 11,8 GiB 18.176 ≤ 26,8 tok/s Passt
AutoGLM-Phone-9B 9,4B Q8_0 10,8 GiB 65.536 ≤ 29,8 tok/s Passt
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 35,6 tok/s Passt
GLM-4.6V-Flash 9,4B Q8_0 10,8 GiB 81.152 ≤ 29,8 tok/s Passt
gemma-2-9b-it 9,2B Q6_K 12,0 GiB 8.192 ≤ 29,0 tok/s Passt
EuroLLM-9B-Instruct-2512 9,2B Q8_0 11,6 GiB 20.992 ≤ 27,2 tok/s Passt
Fara1.5-9B 9,0B Q8_0 10,3 GiB 113.664 ≤ 33,0 tok/s Passt
Holo-3.1-9B 9,0B Q8_0 10,3 GiB 114.176 ≤ 33,1 tok/s Passt
MiMo-V2.6-Distill-Qwen-9B 9,0B Q8_0 10,3 GiB 113.664 ≤ 33,0 tok/s Passt
Qwen3.5-9B 9,0B Q8_0 10,3 GiB 114.176 ≤ 33,1 tok/s Passt
Qwen3.5-9B-Base 9,0B Q8_0 10,3 GiB 114.176 ≤ 33,1 tok/s Passt
UI-Mate-9B 9,0B Q8_0 10,3 GiB 113.664 ≤ 33,0 tok/s Passt
UI-Venus-2-9B 9,0B Q8_0 10,3 GiB 113.664 ≤ 33,0 tok/s Passt
NVIDIA-Nemotron-Nano-9B-v2 8,9B Q8_0 10,6 GiB 131.072 ≤ 32,1 tok/s Passt
granite-4.1-8b 8,8B Q8_0 11,3 GiB 23.808 ≤ 28,1 tok/s Passt
granite-4.2-8b 8,8B Q8_0 11,3 GiB 23.808 ≤ 28,1 tok/s Passt
Ministral-3-8B-Instruct-2512 8,5B Q8_0 10,7 GiB 31.232 ≤ 30,0 tok/s Passt
Ministral-3-8B-Reasoning-2512 8,5B Q8_0 10,7 GiB 31.232 ≤ 30,0 tok/s Passt
LFM2.5-8B-A1B 8,5B (1,7B aktiv) Q8_0 10,2 GiB 128.000 ≤ 152 tok/s Passt
granite-guardian-4.1-8b 8,4B Q8_0 11,3 GiB 23.808 ≤ 28,1 tok/s Passt
LFM2-8B-A1B 8,3B (1,6B aktiv) Q8_0 10,1 GiB 128.000 ≤ 164 tok/s Passt
rnj-1-instruct 8,3B Q8_0 11,0 GiB 30.208 ≤ 29,1 tok/s Passt
AesCode-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
ArmorOCR 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
AstaBrief_8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 38,8 tok/s Passt
ContextPilot-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 38,8 tok/s Passt
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 44.032 ≤ 38,8 tok/s Passt
DeepSeek-R1-0528-Qwen3-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Holo2-8B 8,2B Q6_K 8,6 GiB 44.032 ≤ 38,8 tok/s Passt
intent-aware-lfqa-qwen3-8b-baseline 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-8b-multiview 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
JanusCoder-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
MathForm-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Nemotron-Cascade-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Nemotron-Cascade-8B-Thinking 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Nemotron-Orchestrator-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 38,8 tok/s Passt
Qwen3-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 40.960 ≤ 38,8 tok/s Passt
Qwen3-VL-8B-Instruct 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Qwen3-VL-8B-Thinking 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 44.032 ≤ 38,8 tok/s Passt
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 40.960 ≤ 38,8 tok/s Passt
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 44.032 ≤ 38,8 tok/s Passt
WebWorld-8B 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
ZwZ-8B 8,2B Q6_K 8,6 GiB 44.032 ≤ 38,8 tok/s Passt
MiniCPM-o-4_5 8,2B Q8_0 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
granite-3.3-8b-instruct 8,2B Q8_0 11,1 GiB 25.088 ≤ 28,7 tok/s Passt
granite-guardian-3.2-8b-factuality-detection 8,2B Q8_0 11,1 GiB 25.088 ≤ 28,7 tok/s Passt
intent-aware-lfqa-llama3-8b-baseline 8,0B Q8_0 10,2 GiB 36.608 ≤ 31,8 tok/s Passt
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B Q8_0 10,2 GiB 36.608 ≤ 31,8 tok/s Passt
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B Q8_0 10,2 GiB 36.608 ≤ 31,8 tok/s Passt
intent-aware-lfqa-llama3-8b-multiview 8,0B Q8_0 10,2 GiB 36.608 ≤ 31,8 tok/s Passt
DeepSeek-R1-Distill-Llama-8B 8,0B Q8_0 10,2 GiB 36.608 ≤ 31,8 tok/s Passt
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 50.176 ≤ 39,8 tok/s Passt
Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 50.176 ≤ 39,8 tok/s Passt
AprielGuard 7,9B Q6_K 7,9 GiB 69.120 ≤ 42,8 tok/s Passt
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 47.104 ≤ 41,4 tok/s Passt
DeepSeek-R1-Distill-Qwen-7B 7,6B Q8_0 9,1 GiB 89.344 ≤ 36,1 tok/s Passt
Fara-7B 7,6B Q8_0 9,1 GiB 89.344 ≤ 36,1 tok/s Passt
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 45,9 tok/s Passt
JanusCoderV-7B 7,6B Q8_0 9,1 GiB 89.344 ≤ 36,1 tok/s Passt
olmOCR-2-7B-1025 7,6B Q8_0 9,1 GiB 89.344 ≤ 36,1 tok/s Passt
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 36,1 tok/s Passt
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 36,1 tok/s Passt
Qwen2.5-VL-7B-Instruct 7,6B Q8_0 9,1 GiB 89.344 ≤ 36,1 tok/s Passt
Qwen2.5-VL-7B-Surg-CholecT50 7,6B Q8_0 9,1 GiB 89.344 ≤ 36,1 tok/s Passt
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 118.016 ≤ 45,9 tok/s Passt
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 118.016 ≤ 45,9 tok/s Passt
ZwZ-7B 7,6B Q6_K 7,5 GiB 118.016 ≤ 45,9 tok/s Passt
gemma-4-E4B 7,5B F16 11,0 GiB 131.072 ≤ 30,1 tok/s Passt
gemma-4-E4B-it 7,5B BF16 11,0 GiB 131.072 ≤ 30,1 tok/s Passt
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 30.464 ≤ 31,5 tok/s Passt
ContextPilot-E4B 7,5B F16 10,9 GiB 131.072 ≤ 30,5 tok/s Passt
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3.1-7B-RL-Zero-Math 7,3B Q8_0 12,7 GiB 10.240 ≤ 28,8 tok/s Passt
Olmo-3-7B-Instruct 7,3B Q8_0 12,7 GiB 10.240 ≤ 28,8 tok/s Passt
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-Think 7,3B Q8_0 12,7 GiB 10.240 ≤ 28,8 tok/s Passt
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 13.568 ≤ 34,5 tok/s Passt
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 41,7 tok/s Passt
Trinity-Nano-Base 6,1B (819M aktiv) Q6_K 6,7 GiB 131.072 ≤ 320 tok/s Passt
Trinity-Nano-Base-Pre-Anneal 6,1B (819M aktiv) Q6_K 6,4 GiB 4.096 ≤ 342 tok/s Passt
Trinity-Nano-Preview 6,1B (819M aktiv) BF16 13,5 GiB 29.440 ≤ 155 tok/s Passt
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 65,2 tok/s Passt
Holo-3.1-4B 4,8B F16 10,2 GiB 114.688 ≤ 33,2 tok/s Passt
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 147 tok/s Passt
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 61,9 tok/s Passt
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 63.488 ≤ 63,9 tok/s Passt
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Holo2-4B 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
ZwZ-4B 4,4B Q6_K 5,7 GiB 63.488 ≤ 63,9 tok/s Passt
Fara1.5-4B 4,2B BF16 10,2 GiB 114.688 ≤ 33,2 tok/s Passt
FrogNano-4B-2609 4,2B BF16 10,2 GiB 114.688 ≤ 33,2 tok/s Passt
Qwen3.5-4B 4,2B BF16 10,2 GiB 114.688 ≤ 33,2 tok/s Passt
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 114.688 ≤ 33,2 tok/s Passt
UserRepGen-4B 4,2B BF16 10,2 GiB 114.688 ≤ 33,2 tok/s Passt
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8.192 ≤ 60,1 tok/s Passt
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 52,5 tok/s Passt
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 31.744 ≤ 31,1 tok/s Passt
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 262.144 ≤ 39,7 tok/s Passt
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 35,8 tok/s Passt
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 35,8 tok/s Passt
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 82,9 tok/s Passt
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 35,8 tok/s Passt
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 37.888 ≤ 32,9 tok/s Passt
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4.096 ≤ 89,7 tok/s Passt
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 22.528 ≤ 40,1 tok/s Passt
granite-4.2-3b 3,7B BF16 8,6 GiB 71.936 ≤ 38,5 tok/s Passt
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 93,7 tok/s Passt
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 38,7 tok/s Passt
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 55.296 ≤ 37,3 tok/s Passt
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 55.296 ≤ 37,3 tok/s Passt
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 71.936 ≤ 38,5 tok/s Passt
granite-4.1-3b 3,4B BF16 8,6 GiB 71.936 ≤ 38,5 tok/s Passt
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 119.808 ≤ 83,2 tok/s Passt
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 80,4 tok/s Passt
tiny-aya-earth 3,3B BF16 8,7 GiB 240.640 ≤ 40,7 tok/s Passt
tiny-aya-fire 3,3B BF16 8,7 GiB 240.640 ≤ 40,7 tok/s Passt
tiny-aya-global 3,3B BF16 8,7 GiB 240.640 ≤ 40,7 tok/s Passt
tiny-aya-water 3,3B BF16 8,7 GiB 240.640 ≤ 40,7 tok/s Passt
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 55.040 ≤ 39,1 tok/s Passt
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 47,4 tok/s Passt
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 47,4 tok/s Passt
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 78,2 tok/s Passt
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 42,6 tok/s Passt
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 92,1 tok/s Passt
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 54,6 tok/s Passt
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 52,1 tok/s Passt
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 52,1 tok/s Passt
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 123 tok/s Passt
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 52,1 tok/s Passt
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M aktiv) Q6_K 3,6 GiB 32.768 ≤ 469 tok/s Passt
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 54,6 tok/s Passt
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 54,6 tok/s Passt
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 54,6 tok/s Passt
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 59,4 tok/s Passt
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB 244.480 ≤ 131 tok/s Passt
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 80.128 ≤ 65,7 tok/s Passt
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 122 tok/s Passt
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 80.128 ≤ 65,7 tok/s Passt
ZwZ-2B 2,0B F16 5,6 GiB 80.128 ≤ 65,7 tok/s Passt
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 150 tok/s Passt
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 150 tok/s Passt
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 74,5 tok/s Passt
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 175 tok/s Passt
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 65,7 tok/s Passt
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 80.128 ≤ 65,7 tok/s Passt
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 80.128 ≤ 65,7 tok/s Passt
SingGuard-2b 1,7B F16 5,6 GiB 80.128 ≤ 65,7 tok/s Passt
granite-4.0-1b 1,6B BF16 5,1 GiB 114.176 ≤ 73,2 tok/s Passt
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4.096 ≤ 110 tok/s Passt
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4.096 ≤ 110 tok/s Passt
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 96,3 tok/s Passt
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 105 tok/s Passt
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 118 tok/s Passt
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 118 tok/s Passt
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 118 tok/s Passt
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 118 tok/s Passt
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 118 tok/s Passt
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 118 tok/s Passt
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 118 tok/s Passt
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 312 tok/s Passt
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 312 tok/s Passt
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 312 tok/s Passt
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 400 tok/s Passt
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 179 tok/s Passt
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 141 tok/s Passt
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 179 tok/s Passt
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 400 tok/s Passt
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 179 tok/s Passt
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 179 tok/s Passt
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 135 tok/s Passt
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 153 tok/s Passt
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 356 tok/s Passt
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 735 tok/s Passt
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 356 tok/s Passt
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 356 tok/s Passt
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 306 tok/s Passt
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 403 tok/s Passt
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 506 tok/s Passt
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 514 tok/s Passt

Grenzwertige Modelle

Innerhalb des Fehlerbereichs der Schätzung: Es kann passen oder nicht. Versuchen Sie eine kürzere Kontextlänge oder eine niedrigere Quantisierung.

Kontextlänge 8.192 Tokens. Keine Quantisierung dieser Modelle passt; angezeigt wird die höchste, die grenzwertig ist.
Modell Parameter Höchste grenzwertige Quantisierung Benötigter verfügbarer Speicher für „Passt“ Ergebnis
Kimi-Linear-48B-A3B-Base 49,1B (3,1B aktiv) Q2_K 19,1 GiB Grenzwertig
Holo-3.1-35B-A3B 34,7B (2,9B aktiv) Q3_K_M 18,1 GiB Grenzwertig
Holo3-35B-A3B 34,7B (2,9B aktiv) Q3_K_M 18,1 GiB Grenzwertig
Qwen3.5-35B-A3B 34,7B (2,9B aktiv) Q3_K_M 17,6 GiB Grenzwertig
DeepSeek-R1-Distill-Qwen-32B 32,8B Q3_K_M 18,7 GiB Grenzwertig
Qwen2.5-32B-Instruct 32,8B Q3_K_M 18,7 GiB Grenzwertig
Qwen2.5-Coder-32B-Instruct 32,8B Q3_K_M 18,7 GiB Grenzwertig
Qwen3-VL-32B-Instruct 32,8B Q3_K_M 18,8 GiB Grenzwertig
Qwen3-VL-32B-Thinking 32,8B Q3_K_M 18,8 GiB Grenzwertig
Olmo-3.1-32B-Instruct 32,2B IQ4_XS 20,1 GiB Grenzwertig
Olmo-3.1-32B-Think 32,2B IQ4_XS 20,1 GiB Grenzwertig
Olmo-3-32B-Think 32,2B IQ4_XS 20,1 GiB Grenzwertig
Holotron4-30B-A3B 31,6B (3,2B aktiv) Q4_0 19,0 GiB Grenzwertig
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B aktiv) Q4_0 19,2 GiB Grenzwertig
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B aktiv) Q4_0 19,0 GiB Grenzwertig
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B aktiv) Q4_0 19,3 GiB Grenzwertig
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B aktiv) Q4_0 19,2 GiB Grenzwertig
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B aktiv) Q4_0 19,0 GiB Grenzwertig
gemma-4-31B 30,7B Q3_K_M 20,9 GiB Grenzwertig
gemma-4-31B-it 30,7B IQ4_XS 21,9 GiB Grenzwertig
Ising-Calibration-1.5-31B-BF16 30,7B Q3_K_M 21,5 GiB Grenzwertig
granite-4.2-30b 29,3B Q4_0 19,4 GiB Grenzwertig
granite-4.1-30b 28,9B Q4_0 19,4 GiB Grenzwertig
gemma-3-27b-it 27,0B Q4_K_M 20,3 GiB Grenzwertig
translategemma-27b-it 27,0B Q4_K_M 20,3 GiB Grenzwertig
Qwen3.5-27B 26,9B Q4_K_M 18,4 GiB Grenzwertig
Qwen3.6-27B 26,9B Q4_K_M 18,4 GiB Grenzwertig
LFM2.5-24B-A2B 24,0B (2,5B aktiv) Q5_K_M 18,1 GiB Grenzwertig
LFM2-24B-A2B 23,8B (2,3B aktiv) Q5_K_M 18,0 GiB Grenzwertig
gemma-4-12B 11,9B Q8_0 15,6 GiB Grenzwertig

Modelle, die nicht auf eine NVIDIA GeForce RTX 4060 Ti 16GB passen

Kontextlänge 8.192 Tokens. Selbst die niedrigste Quantisierung passt nicht auf eine Karte; der angezeigte Bedarf gilt für diese Quantisierung.
Modell Parameter Kleinste Quantisierung Benötigter verfügbarer Speicher für „Passt“ Mehrere identische Karten Ergebnis
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B aktiv) IQ4_XS 20,0 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3-30B-A3B 30,5B (3,0B aktiv) Q4_K_M 20,1 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Llama-3.1-70B-Instruct 70,6B IQ2_XXS 22,3 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3-Coder-Next-Base 79,7B (3,6B aktiv) IQ2_XXS 22,3 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3-32B 32,8B Q4_K_M 22,4 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
QwQ-32B 32,8B Q4_K_M 22,5 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B aktiv) Q4_K_M 23,3 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Solar-Open-100B 103B (11,2B aktiv) IQ2_XXS 29,4 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
DeepSeek-R1-Distill-Llama-70B 70,6B Q2_K 29,4 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Llama-3.3-70B-Instruct 70,6B Q2_K 29,4 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B aktiv) Q2_K 30,3 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-Coder-Next 79,7B (3,6B aktiv) Q2_K 30,4 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B aktiv) IQ2_XXS 31,1 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B aktiv) IQ2_XXS 32,9 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Mistral-Small-4-119B-2603 119B (6,1B aktiv) IQ2_XXS 34,3 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3.5-122B-A10B 122B (9,0B aktiv) IQ2_XXS 35,0 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen-AgentWorld-35B-A3B 34,7B (2,9B aktiv) Q8_0 37,6 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiniMax-M2.5-REAP-139B-A10B 139B (10,4B aktiv) IQ2_XXS 39,2 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
INTELLECT-3 107B (12,8B aktiv) IQ2_XXS 39,6 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Step-3.5-Flash-REAP-149B-A11B 149B (11,4B aktiv) IQ2_XXS 40,1 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Llama-4-Scout-17B-16E-Instruct 108B (16,1B aktiv) Q2_K 41,5 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
GLM-4.5-Air 107B (12,8B aktiv) Q2_K 45,6 GiB Mit 5 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
GLM-4.6V 107B (12,8B aktiv) Q2_K 45,6 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Step-3.5-Flash 197B (11,5B aktiv) IQ2_XXS 48,9 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Devstral-2-123B-Instruct-2512 125B Q2_K 49,3 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Mistral-Medium-3.5-128B 125B Q2_K 49,3 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 121B (12,2B aktiv) IQ2_XXS 49,8 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-3-Super-120B-A12B-BF16 121B (12,2B aktiv) IQ2_XXS 51,0 GiB Mit 5 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
gpt-oss-120b 117B (5,1B aktiv) Q2_K 62,8 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiniMax-M2.7 229B (10,4B aktiv) IQ2_XXS 62,9 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Baichuan-M3-235B 235B (21,6B aktiv) IQ2_XXS 63,2 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Holo2-235B-A22B 235B (21,6B aktiv) IQ2_XXS 63,2 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-Nemotron-235B-A22B-GenRM 235B (21,6B aktiv) IQ2_XXS 63,2 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
command-a-plus-05-2026-bf16 218B (25,0B aktiv) IQ2_XXS 63,6 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 121B (12,2B aktiv) Q4_0 71,8 GiB Mit 6 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
GLM-4.7-REAP-268B-A32B 269B (32,8B aktiv) IQ2_XXS 73,0 GiB Mit 7 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Step-3.7-Flash 197B (11,5B aktiv) IQ3_XXS 76,1 GiB Mit 7 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Hy3 295B (20,2B aktiv) IQ2_XXS 82,2 GiB Mit 7 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiMo-V2.5 309B (14,8B aktiv) IQ2_XXS 82,4 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
GLM-4.7-REAP-218B-A32B 218B (32,8B aktiv) Q2_K 82,9 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiniMax-M2 229B (10,4B aktiv) Q2_K 84,9 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiniMax-M2.1 229B (10,4B aktiv) Q2_K 84,9 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiniMax-M2.5 229B (10,4B aktiv) Q2_K 84,9 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-235B-A22B-Instruct-2507 235B (21,6B aktiv) Q2_K 86,7 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-VL-235B-A22B-Instruct 235B (21,6B aktiv) Q2_K 86,7 GiB Mit 8 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
GLM-5.3-Flash-BF16 313B (16,7B aktiv) IQ2_XXS 92,0 GiB Grenzwertig mit 8 Karten. Passt nicht
Laguna-S-2.1 118B (8,1B aktiv) Q4_K_M 95,9 GiB Grenzwertig mit 8 Karten. Passt nicht
Trinity-Large-Base 399B (12,8B aktiv) IQ2_XXS 96,4 GiB Grenzwertig mit 8 Karten. Passt nicht
Trinity-Large-TrueBase 399B (12,8B aktiv) IQ2_XXS 96,4 GiB Grenzwertig mit 8 Karten. Passt nicht
GLM-4.6-REAP-268B-A32B 269B (32,8B aktiv) Q2_K 100,9 GiB Grenzwertig mit 8 Karten. Passt nicht
Trinity-Large-Thinking 399B (12,8B aktiv) IQ2_XXS 107,1 GiB Grenzwertig mit 8 Karten. Passt nicht
MiMo-V2-Flash 309B (14,8B aktiv) Q2_K 111,6 GiB Grenzwertig mit 8 Karten. Passt nicht
Intern-S2-397B 396B (16,3B aktiv) IQ2_XXS 114,3 GiB Grenzwertig mit 8 Karten. Passt nicht
MiMo-V2.6-Flash-MOPD 309B (14,8B aktiv) Q2_K 124,9 GiB Grenzwertig mit 8 Karten. Passt nicht
MiMo-V2.6-Flash-RL 309B (14,8B aktiv) Q2_K 124,9 GiB Grenzwertig mit 8 Karten. Passt nicht
K-EXAONE-236B-A23B 237B (22,7B aktiv) IQ4_XS 126,3 GiB Grenzwertig mit 8 Karten. Passt nicht
GLM-4.5 353B (32,9B aktiv) Q2_K 130,7 GiB Grenzwertig mit 8 Karten. Passt nicht
GLM-4.7 353B (32,9B aktiv) Q2_K 130,7 GiB Grenzwertig mit 8 Karten. Passt nicht
Qwen3-Coder-REAP-363B-A35B 363B (34,5B aktiv) Q2_K 132,7 GiB Grenzwertig mit 8 Karten. Passt nicht
Qwen3-235B-A22B 235B (21,6B aktiv) Q4_K_M 141,9 GiB Grenzwertig mit 8 Karten. Passt nicht
Qwen3-Coder-480B-A35B-Instruct 480B (34,5B aktiv) Q2_K 174,3 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Qwen3.5-397B-A17B 396B (16,3B aktiv) Q3_K_M 175,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-5.1 744B (40,8B aktiv) IQ2_XXS 197,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
DeepSeek-V3.2 671B (36,6B aktiv) Q2_K 242,1 GiB Passt nicht einmal auf 8 Karten. Passt nicht
cogito-671b-v2.1 671B (36,6B aktiv) Q2_K 242,4 GiB Passt nicht einmal auf 8 Karten. Passt nicht
DeepSeek-V3.1 671B (36,6B aktiv) Q2_K 242,4 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Mistral-Large-3-675B-Instruct-2512 673B (39,0B aktiv) Q2_K 243,8 GiB Passt nicht einmal auf 8 Karten. Passt nicht
DeepSeek-V3 671B (36,6B aktiv) Q2_K 257,8 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Kimi-K2.6 1,03T (31,7B aktiv) IQ2_XXS 267,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-5 744B (40,8B aktiv) Q2_K 268,9 GiB Passt nicht einmal auf 8 Karten. Passt nicht
MiMo-V2.5-Pro 1,02T (41,0B aktiv) IQ2_XXS 270,4 GiB Passt nicht einmal auf 8 Karten. Passt nicht
DeepSeek-R1 671B (36,6B aktiv) Q2_K 280,3 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Muse-Spark-Open-816B-A42B 820B (44,4B aktiv) Q2_K 301,0 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-5.3-Flash 313B (16,7B aktiv) Q8_0 327,9 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Ling-1T 1,00T (49,8B aktiv) Q2_K 360,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Kimi-K2-Instruct 1,03T (31,7B aktiv) Q2_K 367,4 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Kimi-K2.5 1,03T (31,7B aktiv) Q2_K 368,0 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Kimi-K2-Thinking 1,03T (31,7B aktiv) Q2_K 368,3 GiB Passt nicht einmal auf 8 Karten. Passt nicht
MiMo-V2.6-Pro-MOPD 1,02T (41,0B aktiv) Q2_K 411,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
MiMo-V2.6-Pro-RL 1,02T (41,0B aktiv) Q2_K 411,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Beam-1.0-501B-A23B 501B (22,7B aktiv) Q8_0 523,6 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-5.2 744B (40,8B aktiv) Q8_0 776,4 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-5.3 744B (40,8B aktiv) Q8_0 776,4 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Qwen3.8-2.4T-A95B 2,42T (93,3B aktiv) Q8_0 2.524,1 GiB Passt nicht einmal auf 8 Karten. Passt nicht

Die Geschwindigkeitsobergrenze ergibt sich aus der Speicherbandbreite geteilt durch die pro erzeugtem Token gelesenen Bytes. Sie ist eine theoretische Obergrenze; öffentliche llama.cpp-Benchmarks erreichen typischerweise etwa die Hälfte bis vier Fünftel davon, kleine Modelle und Mixture-of-Experts-Modelle oft weniger. Öffentliche Benchmarks

Detailseiten für diese GPU

Weitere Geräte mit 16 GB