DeskGPU
Deutsch

NVIDIA GeForce RTX 4070 Ti: 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 4070 Ti hat 12 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)
12 GB
Speichertyp
GDDR6X
Breite des Speicherbusses
192 bit
Speicherbandbreite
504 GB/s
Boardleistung (TDP)
285 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
Nicht angezeigt: Offene Quellen liefern keine zwei unabhängigen, übereinstimmenden Werte mit einer Herstellerangabe.

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): 8,88 GiB pro Karte = 12 GiB nominal − 1.054 MiB (die größte gemessene Differenz zwischen nominaler und gemeldeter Gesamtmenge bei Consumer- und Workstation-GPUs in diesem Profil; verwendet, weil kein öffentliches Log die Gesamtmenge dieser GPU angibt) − 2.112 MiB (die größte Start- und Laufzeitbelegung in den öffentlichen Logs dieses Profils), abgerundet auf ein Vielfaches von 64 MiB.

Diese Ergebnisse gehen von der Standardkonfiguration der Karte aus. 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 12 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
Trinity-Mini 26,1B (3,1B aktiv) IQ2_XXS 8,2 GiB 41.216 ≤ 367 tok/s Passt
Trinity-Mini-Base 26,1B (3,1B aktiv) IQ2_XXS 8,7 GiB 16.640 ≤ 405 tok/s Passt
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B aktiv) IQ2_XXS 8,4 GiB 4.096 ≤ 428 tok/s Passt
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B aktiv) IQ2_XXS 8,1 GiB 15.872 ≤ 269 tok/s Passt
DeepSeek-R1-Distill-Qwen-14B 14,8B Q2_K 8,3 GiB 11.008 ≤ 70,8 tok/s Passt
Qwen2.5-14B-Instruct 14,8B Q2_K 8,3 GiB 11.008 ≤ 70,8 tok/s Passt
ContextPilot-14B 14,8B IQ3_XXS 8,4 GiB 10.752 ≤ 69,5 tok/s Passt
FrogMini-14B-2510 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 72,6 tok/s Passt
JanusCoder-14B 14,8B Q2_K 8,0 GiB 13.312 ≤ 73,7 tok/s Passt
Nemotron-Cascade-14B-Thinking 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 72,6 tok/s Passt
Nemotron-Terminal-14B 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 72,6 tok/s Passt
NousCoder-14B 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 72,6 tok/s Passt
Qwen3-Nemotron-14B-BRRM 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 72,6 tok/s Passt
WebWorld-14B 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 72,6 tok/s Passt
phi-4 14,7B Q2_K 8,3 GiB 11.008 ≤ 70,8 tok/s Passt
Apriel-1.6-15b-Thinker 14,4B IQ3_XXS 8,2 GiB 11.264 ≤ 71,0 tok/s Passt
Mistral-Nemo-Instruct-2407 12,2B IQ4_XS 8,8 GiB 8.192 ≤ 65,3 tok/s Passt
Mellum2-12B-A2.5B-Base 12,1B (2,2B aktiv) Q4_0 8,3 GiB 45.824 ≤ 340 tok/s Passt
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B aktiv) Q4_0 8,3 GiB 41.728 ≤ 325 tok/s Passt
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B aktiv) Q4_0 8,3 GiB 45.824 ≤ 340 tok/s Passt
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B aktiv) Q4_0 8,3 GiB 41.728 ≤ 325 tok/s Passt
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B aktiv) Q4_0 8,3 GiB 45.824 ≤ 340 tok/s Passt
gemma-4-12B-it 11,9B Q3_K_M 8,7 GiB 16.128 ≤ 82,0 tok/s Passt
gemma-3-12b-it 11,8B Q2_K 8,2 GiB 17.920 ≤ 89,5 tok/s Passt
translategemma-12b-it 11,8B Q2_K 8,2 GiB 17.920 ≤ 89,5 tok/s Passt
AutoGLM-Phone-9B 9,4B Q5_K_M 8,1 GiB 25.600 ≤ 72,5 tok/s Passt
AutoGLM-Phone-9B-Multilingual 9,4B Q5_K_M 8,1 GiB 25.600 ≤ 72,5 tok/s Passt
GLM-4.6V-Flash 9,4B Q5_K_M 8,1 GiB 25.600 ≤ 72,5 tok/s Passt
gemma-2-9b-it 9,2B IQ3_XXS 8,0 GiB 8.192 ≤ 85,4 tok/s Passt
EuroLLM-9B-Instruct-2512 9,2B Q5_K_M 8,7 GiB 9.216 ≤ 66,6 tok/s Passt
Fara1.5-9B 9,0B Q6_K 8,7 GiB 13.056 ≤ 70,8 tok/s Passt
Holo-3.1-9B 9,0B Q6_K 8,4 GiB 22.784 ≤ 74,3 tok/s Passt
MiMo-V2.6-Distill-Qwen-9B 9,0B Q6_K 8,8 GiB 10.240 ≤ 69,8 tok/s Passt
Qwen3.5-9B 9,0B Q6_K 8,5 GiB 19.968 ≤ 73,2 tok/s Passt
Qwen3.5-9B-Base 9,0B Q6_K 8,4 GiB 22.784 ≤ 74,3 tok/s Passt
UI-Mate-9B 9,0B Q6_K 8,7 GiB 13.056 ≤ 70,8 tok/s Passt
UI-Venus-2-9B 9,0B Q6_K 8,7 GiB 13.056 ≤ 70,8 tok/s Passt
NVIDIA-Nemotron-Nano-9B-v2 8,9B Q5_K_M 8,5 GiB 30.208 ≤ 74,6 tok/s Passt
granite-4.1-8b 8,8B Q5_K_M 8,4 GiB 10.752 ≤ 68,9 tok/s Passt
granite-4.2-8b 8,8B Q5_K_M 8,4 GiB 10.752 ≤ 68,9 tok/s Passt
Ministral-3-8B-Instruct-2512 8,5B Q5_K_M 8,0 GiB 14.592 ≤ 73,9 tok/s Passt
Ministral-3-8B-Reasoning-2512 8,5B Q5_K_M 8,0 GiB 14.592 ≤ 73,9 tok/s Passt
LFM2.5-8B-A1B 8,5B (1,7B aktiv) Q6_K 8,2 GiB 56.576 ≤ 339 tok/s Passt
granite-guardian-4.1-8b 8,4B Q5_K_M 8,4 GiB 10.752 ≤ 68,9 tok/s Passt
LFM2-8B-A1B 8,3B (1,6B aktiv) Q6_K 8,1 GiB 63.744 ≤ 364 tok/s Passt
rnj-1-instruct 8,3B Q5_K_M 8,2 GiB 13.568 ≤ 71,9 tok/s Passt
AesCode-8B 8,2B Q5_K_M 8,2 GiB 12.544 ≤ 71,8 tok/s Passt
ArmorOCR 8,2B Q4_K_M 7,1 GiB 20.224 ≤ 85,7 tok/s Passt
AstaBrief_8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
ContextPilot-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
DeepSeek-R1-0528-Qwen3-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Holo2-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
intent-aware-lfqa-qwen3-8b-baseline 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
intent-aware-lfqa-qwen3-8b-multiview 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
JanusCoder-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
MathForm-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Nemotron-Cascade-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Nemotron-Cascade-8B-Thinking 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Nemotron-Orchestrator-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Qwen3-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Qwen3-VL-8B-Instruct 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Qwen3-VL-8B-Thinking 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
WebWorld-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
ZwZ-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 67,9 tok/s Passt
MiniCPM-o-4_5 8,2B Q6_K 8,6 GiB 9.984 ≤ 68,0 tok/s Passt
granite-3.3-8b-instruct 8,2B Q5_K_M 8,3 GiB 11.776 ≤ 70,6 tok/s Passt
granite-guardian-3.2-8b-factuality-detection 8,2B Q5_K_M 8,3 GiB 11.776 ≤ 70,6 tok/s Passt
intent-aware-lfqa-llama3-8b-baseline 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
intent-aware-lfqa-llama3-8b-multiview 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
DeepSeek-R1-Distill-Llama-8B 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 12.032 ≤ 69,7 tok/s Passt
AprielGuard 7,9B Q6_K 7,9 GiB 18.176 ≤ 75,0 tok/s Passt
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 13.056 ≤ 72,5 tok/s Passt
DeepSeek-R1-Distill-Qwen-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
Fara-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
JanusCoderV-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
olmOCR-2-7B-1025 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
Qwen2.5-Coder-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
Qwen2.5-VL-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
Qwen2.5-VL-7B-Surg-CholecT50 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
ZwZ-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 80,4 tok/s Passt
gemma-4-E4B 7,5B Q8_0 6,7 GiB 128.256 ≤ 97,4 tok/s Passt
gemma-4-E4B-it 7,5B Q8_0 6,9 GiB 119.296 ≤ 94,4 tok/s Passt
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q6_K 8,5 GiB 10.240 ≤ 68,4 tok/s Passt
ContextPilot-E4B 7,5B Q8_0 6,6 GiB 131.072 ≤ 98,5 tok/s Passt
Olmo-3.1-7B-RL-Zero-Code 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3.1-7B-RL-Zero-Math 7,3B Q2_K 8,2 GiB 9.472 ≤ 93,3 tok/s Passt
Olmo-3-7B-Instruct 7,3B Q2_K 8,2 GiB 9.472 ≤ 93,3 tok/s Passt
Olmo-3-7B-Instruct-DPO 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-Instruct-SFT 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-RL-Zero-Code 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-RL-Zero-General 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-RL-Zero-IF 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-RL-Zero-Math 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-RL-Zero-Mix 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-Think 7,3B Q2_K 8,2 GiB 9.472 ≤ 93,3 tok/s Passt
Olmo-3-7B-Think-DPO 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Olmo-3-7B-Think-SFT 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 93,2 tok/s Passt
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 14.336 ≤ 73,0 tok/s Passt
Trinity-Nano-Base 6,1B (819M aktiv) Q6_K 6,7 GiB 131.072 ≤ 560 tok/s Passt
Trinity-Nano-Base-Pre-Anneal 6,1B (819M aktiv) Q6_K 6,4 GiB 4.096 ≤ 599 tok/s Passt
Trinity-Nano-Preview 6,1B (819M aktiv) Q8_0 8,1 GiB 56.320 ≤ 459 tok/s Passt
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 114 tok/s Passt
Holo-3.1-4B 4,8B Q8_0 6,4 GiB 81.408 ≤ 106 tok/s Passt
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 257 tok/s Passt
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 108 tok/s Passt
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 29.440 ≤ 112 tok/s Passt
CapRL-Qwen3VL-4B 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
Holo2-4B 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
intent-aware-lfqa-qwen3-4b-baseline 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
intent-aware-lfqa-qwen3-4b-multiview 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
Spatial-SSRL-Qwen3VL-4B 4,4B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
ZwZ-4B 4,4B Q6_K 5,7 GiB 29.440 ≤ 112 tok/s Passt
Fara1.5-4B 4,2B Q8_0 6,4 GiB 81.152 ≤ 106 tok/s Passt
FrogNano-4B-2609 4,2B Q8_0 6,4 GiB 81.152 ≤ 106 tok/s Passt
Qwen3.5-4B 4,2B Q8_0 6,4 GiB 81.408 ≤ 106 tok/s Passt
Qwen3.5-4B-Base 4,2B Q8_0 6,4 GiB 81.408 ≤ 106 tok/s Passt
UserRepGen-4B 4,2B Q8_0 6,4 GiB 81.152 ≤ 106 tok/s Passt
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8.192 ≤ 105 tok/s Passt
GELab-Zero-4B-preview 4,0B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
Qwen3-4B 4,0B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
Qwen3-4B-Instruct-2507 4,0B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
Qwen3-VL-4B-Instruct 4,0B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
Qwen3-VL-4B-Thinking 4,0B Q8_0 6,7 GiB 23.040 ≤ 91,9 tok/s Passt
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 15.872 ≤ 69,4 tok/s Passt
gemma-3-4b-it 3,9B Q8_0 6,3 GiB 124.928 ≤ 114 tok/s Passt
medgemma-1.5-4b-it 3,9B Q8_0 6,3 GiB 124.928 ≤ 114 tok/s Passt
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 145 tok/s Passt
translategemma-4b-it 3,9B Q8_0 6,3 GiB 124.928 ≤ 114 tok/s Passt
Phi-4-mini-instruct 3,8B Q8_0 6,5 GiB 26.624 ≤ 97,9 tok/s Passt
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4.096 ≤ 157 tok/s Passt
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 9.472 ≤ 70,2 tok/s Passt
granite-4.2-3b 3,7B BF16 8,6 GiB 11.264 ≤ 67,4 tok/s Passt
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 164 tok/s Passt
kanana-2-3b-instruct 3,5B F16 8,6 GiB 10.496 ≤ 67,8 tok/s Passt
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 8.192 ≤ 65,2 tok/s Passt
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 8.192 ≤ 65,2 tok/s Passt
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 11.264 ≤ 67,4 tok/s Passt
granite-4.1-3b 3,4B BF16 8,6 GiB 11.264 ≤ 67,4 tok/s Passt
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 59.136 ≤ 146 tok/s Passt
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 141 tok/s Passt
tiny-aya-earth 3,3B BF16 8,7 GiB 10.240 ≤ 71,2 tok/s Passt
tiny-aya-fire 3,3B BF16 8,7 GiB 10.240 ≤ 71,2 tok/s Passt
tiny-aya-global 3,3B BF16 8,7 GiB 10.240 ≤ 71,2 tok/s Passt
tiny-aya-water 3,3B BF16 8,7 GiB 10.240 ≤ 71,2 tok/s Passt
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 11.264 ≤ 68,4 tok/s Passt
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 83,0 tok/s Passt
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 83,0 tok/s Passt
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 137 tok/s Passt
SmolLM3-3B 3,1B BF16 7,9 GiB 21.248 ≤ 74,6 tok/s Passt
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 161 tok/s Passt
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 95,6 tok/s Passt
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 91,2 tok/s Passt
LFM2.5-2.6B 2,7B BF16 6,7 GiB 128.256 ≤ 91,2 tok/s Passt
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 215 tok/s Passt
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 91,2 tok/s Passt
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M aktiv) Q6_K 3,6 GiB 32.768 ≤ 820 tok/s Passt
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 95,6 tok/s Passt
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 95,6 tok/s Passt
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 95,6 tok/s Passt
MiniCPM5-2B 2,5B BF16 6,0 GiB 72.448 ≤ 104 tok/s Passt
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB 131.328 ≤ 229 tok/s Passt
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 36.608 ≤ 115 tok/s Passt
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 214 tok/s Passt
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 36.608 ≤ 115 tok/s Passt
ZwZ-2B 2,0B F16 5,6 GiB 36.608 ≤ 115 tok/s Passt
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 263 tok/s Passt
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 263 tok/s Passt
Qwen3.5-2B 1,9B BF16 5,4 GiB 256.512 ≤ 130 tok/s Passt
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 306 tok/s Passt
Qwen3-1.7B 1,7B BF16 5,6 GiB 36.608 ≤ 115 tok/s Passt
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 36.608 ≤ 115 tok/s Passt
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 36.608 ≤ 115 tok/s Passt
SingGuard-2b 1,7B F16 5,6 GiB 36.608 ≤ 115 tok/s Passt
granite-4.0-1b 1,6B BF16 5,1 GiB 53.504 ≤ 128 tok/s Passt
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4.096 ≤ 193 tok/s Passt
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4.096 ≤ 193 tok/s Passt
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 168 tok/s Passt
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 184 tok/s Passt
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 206 tok/s Passt
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 206 tok/s Passt
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 206 tok/s Passt
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 206 tok/s Passt
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 206 tok/s Passt
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 206 tok/s Passt
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 206 tok/s Passt
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 546 tok/s Passt
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 546 tok/s Passt
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 546 tok/s Passt
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 701 tok/s Passt
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 314 tok/s Passt
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 246 tok/s Passt
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 314 tok/s Passt
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 701 tok/s Passt
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 314 tok/s Passt
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 314 tok/s Passt
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 236 tok/s Passt
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 268 tok/s Passt
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 622 tok/s Passt
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 1.287 tok/s Passt
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 622 tok/s Passt
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 622 tok/s Passt
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 536 tok/s Passt
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 705 tok/s Passt
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 885 tok/s Passt
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 900 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
AI21-Jamba2-Mini 51,6B (11,8B aktiv) IQ2_XXS 13,6 GiB Grenzwertig
Kimi-Linear-48B-A3B-Base 49,1B (3,1B aktiv) IQ2_XXS 14,2 GiB Grenzwertig
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B aktiv) IQ2_XXS 13,3 GiB Grenzwertig
Hermes-4.3-36B 36,2B IQ2_XXS 12,9 GiB Grenzwertig
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B aktiv) IQ3_XXS 14,8 GiB Grenzwertig
Holo-3.1-35B-A3B 34,7B (2,9B aktiv) Q2_K 14,4 GiB Grenzwertig
Holo3-35B-A3B 34,7B (2,9B aktiv) Q2_K 14,4 GiB Grenzwertig
Holo4-35B-A3B 34,7B (2,9B aktiv) Q2_K 15,0 GiB Grenzwertig
Ising-Calibration-1-35B-A3B 34,7B (2,9B aktiv) IQ3_XXS 15,1 GiB Grenzwertig
KAT-Coder-V2.5-Dev 34,7B (2,9B aktiv) Q2_K 14,1 GiB Grenzwertig
Qwen3.5-35B-A3B-Base 34,7B (2,9B aktiv) IQ3_XXS 15,0 GiB Grenzwertig
Qwen3.6-35B-A3B 34,7B (2,9B aktiv) Q2_K 14,1 GiB Grenzwertig
Laguna-XS-2.1 33,4B (2,8B aktiv) Q2_K 13,8 GiB Grenzwertig
AesCode-32B 32,8B IQ2_XXS 13,6 GiB Grenzwertig
Cosmos-Reason2-32B 32,8B IQ2_M 14,2 GiB Grenzwertig
FrogBoss-32B-2510 32,8B IQ2_M 14,2 GiB Grenzwertig
Nemotron-Terminal-32B 32,8B IQ2_M 14,2 GiB Grenzwertig
SERA-32B 32,8B IQ2_M 14,2 GiB Grenzwertig
WebWorld-32B 32,8B IQ2_M 14,2 GiB Grenzwertig
Olmo-3.1-32B-Instruct 32,2B Q2_K 15,0 GiB Grenzwertig
Olmo-3.1-32B-Instruct-DPO 32,2B IQ3_XXS 15,5 GiB Grenzwertig
Olmo-3.1-32B-Think 32,2B Q2_K 15,0 GiB Grenzwertig
Olmo-3-1125-32B 32,2B IQ3_XXS 15,5 GiB Grenzwertig
Olmo-3-32B-Think 32,2B Q2_K 15,0 GiB Grenzwertig
Olmo-3-32B-Think-DPO 32,2B IQ3_XXS 15,5 GiB Grenzwertig
Olmo-3-32B-Think-SFT 32,2B IQ3_XXS 15,5 GiB Grenzwertig
Ising-Calibration-1.5-31B-BF16 30,7B IQ2_XXS 16,5 GiB Grenzwertig
Holo2-30B-A3B 30,5B (3,0B aktiv) Q2_K 13,0 GiB Grenzwertig
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B aktiv) Q2_K 13,0 GiB Grenzwertig
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B aktiv) Q2_K 13,0 GiB Grenzwertig
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B aktiv) Q2_K 13,0 GiB Grenzwertig
UI-Venus-1.5-30B-A3B 30,5B (3,0B aktiv) Q2_K 13,0 GiB Grenzwertig
North-Mini-Code-1.0 30,5B (3,3B aktiv) IQ3_XXS 15,1 GiB Grenzwertig
GLM-4.7-Flash 29,9B (3,6B aktiv) Q2_K 12,8 GiB Grenzwertig
granite-4.2-30b 29,3B Q2_K 13,9 GiB Grenzwertig
granite-4.1-30b 28,9B Q2_K 13,9 GiB Grenzwertig
Muse-Glimmer-30B 27,9B Q3_K_M 15,0 GiB Grenzwertig
gemma-2-27b-it 27,2B IQ3_XXS 15,1 GiB Grenzwertig
gemma-3-27b-it 27,0B Q2_K 14,4 GiB Grenzwertig
translategemma-27b-it 27,0B Q2_K 14,4 GiB Grenzwertig
Fara1.5-27B 26,9B IQ3_XXS 14,3 GiB Grenzwertig
Holo4-27B 26,9B Q3_K_M 15,2 GiB Grenzwertig
Qwen3.5-27B 26,9B Q3_K_M 15,3 GiB Grenzwertig
Qwen3.8-27B 26,9B Q3_K_M 14,9 GiB Grenzwertig
Qwen3.8-3.6-27B-blend 26,9B Q3_K_M 14,9 GiB Grenzwertig
UI-Mate-27B 26,9B IQ3_XXS 14,3 GiB Grenzwertig
UI-Mate-democua-27B 26,9B Q3_K_M 15,2 GiB Grenzwertig
gemma-4-26B-A4B 25,2B (3,8B aktiv) Q2_K 13,0 GiB Grenzwertig
gemma-4-26B-A4B-it 25,2B (3,8B aktiv) Q3_K_M 15,4 GiB Grenzwertig
LFM2.5-24B-A2B 24,0B (2,5B aktiv) Q4_0 14,7 GiB Grenzwertig
LFM2-24B-A2B 23,8B (2,3B aktiv) Q4_0 14,6 GiB Grenzwertig
Devstral-Small-2-24B-Instruct-2512 23,6B IQ4_XS 14,7 GiB Grenzwertig
Mistral-Small-3.2-24B-Instruct-2506 23,6B IQ4_XS 14,7 GiB Grenzwertig
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B aktiv) Q4_0 14,6 GiB Grenzwertig
EuroLLM-22B-2512 22,6B IQ4_XS 14,7 GiB Grenzwertig
EuroLLM-22B-Instruct-2512 22,6B IQ4_XS 14,7 GiB Grenzwertig
gpt-oss-20b 20,9B (3,6B aktiv) Q8_0 12,9 GiB Grenzwertig
OptiMind-SFT 20,9B (3,6B aktiv) Q4_0 13,2 GiB Grenzwertig
Qwen3-14B 14,8B Q6_K 13,9 GiB Grenzwertig
Ministral-3-14B-Instruct-2512 13,5B Q5_K_M 11,6 GiB Grenzwertig
Ministral-3-14B-Reasoning-2512 13,5B Q5_K_M 11,6 GiB Grenzwertig
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B aktiv) Q8_0 14,0 GiB Grenzwertig
gemma-4-12B 11,9B Q8_0 15,6 GiB Grenzwertig
Bielik-11B-v3.0-Instruct 11,2B Q8_0 14,4 GiB Grenzwertig

Modelle, die nicht auf eine NVIDIA GeForce RTX 4070 Ti 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
DeepSeek-R1-Distill-Qwen-32B 32,8B Q2_K 15,2 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen2.5-32B-Instruct 32,8B Q2_K 15,2 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen2.5-Coder-32B-Instruct 32,8B Q2_K 15,2 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3-VL-32B-Instruct 32,8B Q2_K 15,3 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3-VL-32B-Thinking 32,8B Q2_K 15,3 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3.6-27B 26,9B Q3_K_M 15,4 GiB Mit 2 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Passt nicht
Qwen3.5-35B-A3B 34,7B (2,9B aktiv) Q3_K_M 17,6 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
gemma-4-31B 30,7B Q2_K 17,6 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Holotron4-30B-A3B 31,6B (3,2B aktiv) IQ2_M 18,9 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B aktiv) IQ2_M 18,9 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B aktiv) Q2_K 18,9 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B aktiv) IQ2_M 19,1 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B aktiv) IQ2_M 19,1 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B aktiv) IQ4_XS 19,1 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B aktiv) IQ4_XS 20,0 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-30B-A3B 30,5B (3,0B aktiv) Q4_K_M 20,1 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
gemma-4-31B-it 30,7B Q3_K_M 20,3 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Llama-3.1-70B-Instruct 70,6B IQ2_XXS 22,3 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-Coder-Next-Base 79,7B (3,6B aktiv) IQ2_XXS 22,3 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Qwen3-32B 32,8B Q4_K_M 22,4 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
QwQ-32B 32,8B Q4_K_M 22,5 GiB Mit 3 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B aktiv) Q4_K_M 23,3 GiB Mit 4 identischen Karten (standardmäßig gleichmäßige Aufteilung) passt es voraussichtlich. Mit weniger Karten ist es grenzwertig. Passt nicht
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB Mit 4 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 5 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 4 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 4 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 5 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 5 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 5 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 5 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 5 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 7 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 6 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 6 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 6 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 6 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 6 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 6 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 7 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 7 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 8 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 7 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 7 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 7 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 7 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 Grenzwertig mit 8 Karten. Passt nicht
MiniMax-M2.7 229B (10,4B aktiv) IQ2_XXS 62,9 GiB Grenzwertig mit 8 Karten. Passt nicht
Baichuan-M3-235B 235B (21,6B aktiv) IQ2_XXS 63,2 GiB Grenzwertig mit 8 Karten. Passt nicht
Holo2-235B-A22B 235B (21,6B aktiv) IQ2_XXS 63,2 GiB Grenzwertig mit 8 Karten. Passt nicht
Qwen3-Nemotron-235B-A22B-GenRM 235B (21,6B aktiv) IQ2_XXS 63,2 GiB Grenzwertig mit 8 Karten. Passt nicht
command-a-plus-05-2026-bf16 218B (25,0B aktiv) IQ2_XXS 63,6 GiB Grenzwertig mit 8 Karten. Passt nicht
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 121B (12,2B aktiv) Q4_0 71,8 GiB Grenzwertig mit 8 Karten. Passt nicht
GLM-4.7-REAP-268B-A32B 269B (32,8B aktiv) IQ2_XXS 73,0 GiB Grenzwertig mit 8 Karten. Passt nicht
Step-3.7-Flash 197B (11,5B aktiv) IQ3_XXS 76,1 GiB Grenzwertig mit 8 Karten. Passt nicht
Hy3 295B (20,2B aktiv) IQ2_XXS 82,2 GiB Grenzwertig mit 8 Karten. Passt nicht
MiMo-V2.5 309B (14,8B aktiv) IQ2_XXS 82,4 GiB Grenzwertig mit 8 Karten. Passt nicht
GLM-4.7-REAP-218B-A32B 218B (32,8B aktiv) Q2_K 82,9 GiB Grenzwertig mit 8 Karten. Passt nicht
MiniMax-M2 229B (10,4B aktiv) Q2_K 84,9 GiB Grenzwertig mit 8 Karten. Passt nicht
MiniMax-M2.1 229B (10,4B aktiv) Q2_K 84,9 GiB Grenzwertig mit 8 Karten. Passt nicht
MiniMax-M2.5 229B (10,4B aktiv) Q2_K 84,9 GiB Grenzwertig mit 8 Karten. Passt nicht
Qwen3-235B-A22B-Instruct-2507 235B (21,6B aktiv) Q2_K 86,7 GiB Grenzwertig mit 8 Karten. Passt nicht
Qwen3-VL-235B-A22B-Instruct 235B (21,6B aktiv) Q2_K 86,7 GiB Grenzwertig mit 8 Karten. 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 Passt nicht einmal auf 8 Karten. Passt nicht
Intern-S2-397B 396B (16,3B aktiv) IQ2_XXS 114,3 GiB Passt nicht einmal auf 8 Karten. Passt nicht
MiMo-V2.6-Flash-MOPD 309B (14,8B aktiv) Q2_K 124,9 GiB Passt nicht einmal auf 8 Karten. Passt nicht
MiMo-V2.6-Flash-RL 309B (14,8B aktiv) Q2_K 124,9 GiB Passt nicht einmal auf 8 Karten. Passt nicht
K-EXAONE-236B-A23B 237B (22,7B aktiv) IQ4_XS 126,3 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-4.5 353B (32,9B aktiv) Q2_K 130,7 GiB Passt nicht einmal auf 8 Karten. Passt nicht
GLM-4.7 353B (32,9B aktiv) Q2_K 130,7 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Qwen3-Coder-REAP-363B-A35B 363B (34,5B aktiv) Q2_K 132,7 GiB Passt nicht einmal auf 8 Karten. Passt nicht
Qwen3-235B-A22B 235B (21,6B aktiv) Q4_K_M 141,9 GiB Passt nicht einmal auf 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 12 GB