DeskGPU
Deutsch

NVIDIA GeForce RTX 4080: 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 4080 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
GDDR6X
Breite des Speicherbusses
256 bit
Speicherbandbreite
717 GB/s
Boardleistung (TDP)
320 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): 12,88 GiB pro Karte = 16 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 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
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B aktiv) IQ2_M 12,8 GiB 14.848 ≤ 539 tok/s Passt
Holo4-35B-A3B 34,7B (2,9B aktiv) IQ2_XXS 12,0 GiB 48.640 ≤ 418 tok/s Passt
Ising-Calibration-1-35B-A3B 34,7B (2,9B aktiv) IQ2_XXS 11,1 GiB 89.600 ≤ 517 tok/s Passt
KAT-Coder-V2.5-Dev 34,7B (2,9B aktiv) IQ2_XXS 11,3 GiB 77.056 ≤ 435 tok/s Passt
Qwen3.5-35B-A3B-Base 34,7B (2,9B aktiv) IQ2_XXS 10,9 GiB 96.512 ≤ 581 tok/s Passt
Qwen3.6-35B-A3B 34,7B (2,9B aktiv) IQ2_XXS 11,3 GiB 77.056 ≤ 435 tok/s Passt
Laguna-XS-2.1 33,4B (2,8B aktiv) IQ2_XXS 11,1 GiB 50.944 ≤ 393 tok/s Passt
Cosmos-Reason2-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Passt
FrogBoss-32B-2510 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Passt
Nemotron-Terminal-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Passt
SERA-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Passt
WebWorld-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Passt
Olmo-3.1-32B-Instruct-DPO 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Passt
Olmo-3-1125-32B 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Passt
Olmo-3-32B-Think-DPO 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Passt
Olmo-3-32B-Think-SFT 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Passt
North-Mini-Code-1.0 30,5B (3,3B aktiv) IQ2_M 12,7 GiB 9.728 ≤ 337 tok/s Passt
GLM-4.7-Flash 29,9B (3,6B aktiv) Q2_K 12,8 GiB 9.984 ≤ 319 tok/s Passt
Muse-Glimmer-30B 27,9B IQ3_XXS 12,6 GiB 24.576 ≤ 64,3 tok/s Passt
Fara1.5-27B 26,9B IQ2_M 12,5 GiB 13.312 ≤ 67,6 tok/s Passt
Holo4-27B 26,9B Q2_K 12,7 GiB 10.240 ≤ 66,3 tok/s Passt
Qwen3.8-27B 26,9B Q2_K 12,5 GiB 14.080 ≤ 67,9 tok/s Passt
Qwen3.8-3.6-27B-blend 26,9B Q2_K 12,5 GiB 14.080 ≤ 67,9 tok/s Passt
UI-Mate-27B 26,9B IQ2_M 12,5 GiB 13.312 ≤ 67,6 tok/s Passt
UI-Mate-democua-27B 26,9B Q2_K 12,7 GiB 10.240 ≤ 66,3 tok/s Passt
Trinity-Mini 26,1B (3,1B aktiv) IQ3_XXS 12,1 GiB 48.640 ≤ 408 tok/s Passt
Trinity-Mini-Base 26,1B (3,1B aktiv) IQ3_XXS 11,8 GiB 68.096 ≤ 459 tok/s Passt
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B aktiv) IQ3_XXS 11,5 GiB 4.096 ≤ 480 tok/s Passt
gemma-4-26B-A4B-it 25,2B (3,8B aktiv) IQ2_XXS 12,1 GiB 43.520 ≤ 313 tok/s Passt
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B aktiv) IQ3_XXS 11,8 GiB 19.200 ≤ 318 tok/s Passt
Devstral-Small-2-24B-Instruct-2512 23,6B Q2_K 11,1 GiB 18.944 ≤ 71,7 tok/s Passt
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q2_K 11,1 GiB 18.944 ≤ 71,7 tok/s Passt
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B aktiv) Q3_K_M 12,7 GiB 11.776 ≤ 287 tok/s Passt
EuroLLM-22B-2512 22,6B IQ3_XXS 11,5 GiB 14.336 ≤ 68,8 tok/s Passt
EuroLLM-22B-Instruct-2512 22,6B IQ3_XXS 11,5 GiB 14.336 ≤ 68,8 tok/s Passt
gpt-oss-20b 20,9B (3,6B aktiv) Q6_K 12,8 GiB 9.728 ≤ 265 tok/s Passt
DeepSeek-R1-Distill-Qwen-14B 14,8B Q5_K_M 12,7 GiB 9.216 ≤ 61,9 tok/s Passt
Qwen2.5-14B-Instruct 14,8B Q5_K_M 12,7 GiB 9.216 ≤ 61,9 tok/s Passt
ContextPilot-14B 14,8B Q5_K_M 12,6 GiB 9.472 ≤ 62,1 tok/s Passt
FrogMini-14B-2510 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
JanusCoder-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
Nemotron-Cascade-14B-Thinking 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
Nemotron-Terminal-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
NousCoder-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
Qwen3-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
Qwen3-Nemotron-14B-BRRM 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
WebWorld-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Passt
phi-4 14,7B Q5_K_M 12,8 GiB 8.448 ≤ 61,1 tok/s Passt
Apriel-1.6-15b-Thinker 14,4B Q5_K_M 12,5 GiB 10.240 ≤ 62,8 tok/s Passt
Ministral-3-14B-Instruct-2512 13,5B Q5_K_M 11,6 GiB 16.128 ≤ 68,3 tok/s Passt
Ministral-3-14B-Reasoning-2512 13,5B Q5_K_M 11,6 GiB 16.128 ≤ 68,3 tok/s Passt
Mistral-Nemo-Instruct-2407 12,2B Q6_K 11,9 GiB 14.080 ≤ 66,1 tok/s Passt
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B aktiv) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Passt
Mellum2-12B-A2.5B-Base 12,1B (2,2B aktiv) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Passt
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B aktiv) Q6_K 12,2 GiB 50.688 ≤ 324 tok/s Passt
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B aktiv) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Passt
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B aktiv) Q6_K 12,2 GiB 50.688 ≤ 324 tok/s Passt
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B aktiv) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Passt
gemma-4-12B-it 11,9B Q6_K 12,7 GiB 15.360 ≤ 70,0 tok/s Passt
gemma-3-12b-it 11,8B Q5_K_M 11,8 GiB 23.808 ≤ 77,0 tok/s Passt
translategemma-12b-it 11,8B Q5_K_M 11,8 GiB 23.808 ≤ 77,0 tok/s Passt
Bielik-11B-v3.0-Instruct 11,2B Q6_K 11,8 GiB 13.312 ≤ 66,8 tok/s Passt
AutoGLM-Phone-9B 9,4B Q8_0 10,8 GiB 57.344 ≤ 74,2 tok/s Passt
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 88,7 tok/s Passt
GLM-4.6V-Flash 9,4B Q8_0 10,8 GiB 57.344 ≤ 74,2 tok/s Passt
gemma-2-9b-it 9,2B Q6_K 12,0 GiB 8.192 ≤ 72,3 tok/s Passt
EuroLLM-9B-Instruct-2512 9,2B Q8_0 11,6 GiB 15.360 ≤ 67,8 tok/s Passt
Fara1.5-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Passt
Holo-3.1-9B 9,0B Q8_0 10,3 GiB 84.736 ≤ 82,4 tok/s Passt
MiMo-V2.6-Distill-Qwen-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Passt
Qwen3.5-9B 9,0B Q8_0 10,3 GiB 84.736 ≤ 82,4 tok/s Passt
Qwen3.5-9B-Base 9,0B Q8_0 10,3 GiB 84.736 ≤ 82,4 tok/s Passt
UI-Mate-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Passt
UI-Venus-2-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Passt
NVIDIA-Nemotron-Nano-9B-v2 8,9B Q8_0 10,6 GiB 131.072 ≤ 80,0 tok/s Passt
granite-4.1-8b 8,8B Q8_0 11,3 GiB 17.664 ≤ 70,0 tok/s Passt
granite-4.2-8b 8,8B Q8_0 11,3 GiB 17.664 ≤ 70,0 tok/s Passt
Ministral-3-8B-Instruct-2512 8,5B Q8_0 10,7 GiB 23.808 ≤ 74,8 tok/s Passt
Ministral-3-8B-Reasoning-2512 8,5B Q8_0 10,7 GiB 23.808 ≤ 74,8 tok/s Passt
LFM2.5-8B-A1B 8,5B (1,7B aktiv) Q8_0 10,2 GiB 128.000 ≤ 378 tok/s Passt
granite-guardian-4.1-8b 8,4B Q8_0 11,3 GiB 17.664 ≤ 70,0 tok/s Passt
LFM2-8B-A1B 8,3B (1,6B aktiv) Q8_0 10,1 GiB 128.000 ≤ 407 tok/s Passt
rnj-1-instruct 8,3B Q8_0 11,0 GiB 22.528 ≤ 72,4 tok/s Passt
AesCode-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
ArmorOCR 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
AstaBrief_8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
ContextPilot-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
DeepSeek-R1-0528-Qwen3-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Holo2-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
intent-aware-lfqa-qwen3-8b-baseline 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-8b-multiview 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
JanusCoder-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
MathForm-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Nemotron-Cascade-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Nemotron-Cascade-8B-Thinking 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Nemotron-Orchestrator-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
Qwen3-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
Qwen3-VL-8B-Instruct 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Qwen3-VL-8B-Thinking 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
WebWorld-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
ZwZ-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Passt
MiniCPM-o-4_5 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
granite-3.3-8b-instruct 8,2B Q8_0 11,1 GiB 18.944 ≤ 71,5 tok/s Passt
granite-guardian-3.2-8b-factuality-detection 8,2B Q8_0 11,1 GiB 18.944 ≤ 71,5 tok/s Passt
intent-aware-lfqa-llama3-8b-baseline 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Passt
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Passt
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Passt
intent-aware-lfqa-llama3-8b-multiview 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Passt
DeepSeek-R1-Distill-Llama-8B 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Passt
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 42.496 ≤ 99,2 tok/s Passt
Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 42.496 ≤ 99,2 tok/s Passt
AprielGuard 7,9B Q6_K 7,9 GiB 58.880 ≤ 107 tok/s Passt
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 40.448 ≤ 103 tok/s Passt
DeepSeek-R1-Distill-Qwen-7B 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Passt
Fara-7B 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Passt
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 114 tok/s Passt
JanusCoderV-7B 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Passt
olmOCR-2-7B-1025 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Passt
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 89,8 tok/s Passt
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 89,8 tok/s Passt
Qwen2.5-VL-7B-Instruct 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Passt
Qwen2.5-VL-7B-Surg-CholecT50 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Passt
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 100.864 ≤ 114 tok/s Passt
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 100.864 ≤ 114 tok/s Passt
ZwZ-7B 7,6B Q6_K 7,5 GiB 100.864 ≤ 114 tok/s Passt
gemma-4-E4B 7,5B F16 11,0 GiB 111.872 ≤ 75,0 tok/s Passt
gemma-4-E4B-it 7,5B BF16 11,0 GiB 111.872 ≤ 75,0 tok/s Passt
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 24.320 ≤ 78,4 tok/s Passt
ContextPilot-E4B 7,5B F16 10,9 GiB 118.016 ≤ 75,9 tok/s Passt
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3.1-7B-RL-Zero-Math 7,3B Q8_0 12,7 GiB 8.448 ≤ 71,7 tok/s Passt
Olmo-3-7B-Instruct 7,3B Q8_0 12,7 GiB 8.448 ≤ 71,7 tok/s Passt
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-Think 7,3B Q8_0 12,7 GiB 8.448 ≤ 71,7 tok/s Passt
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Passt
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 104 tok/s Passt
Trinity-Nano-Base 6,1B (819M aktiv) Q6_K 6,7 GiB 131.072 ≤ 796 tok/s Passt
Trinity-Nano-Base-Pre-Anneal 6,1B (819M aktiv) Q6_K 6,4 GiB 4.096 ≤ 852 tok/s Passt
Trinity-Nano-Preview 6,1B (819M aktiv) Q8_0 8,1 GiB 131.072 ≤ 654 tok/s Passt
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 162 tok/s Passt
Holo-3.1-4B 4,8B F16 10,2 GiB 85.504 ≤ 82,6 tok/s Passt
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 366 tok/s Passt
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 154 tok/s Passt
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 56.832 ≤ 159 tok/s Passt
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Holo2-4B 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
ZwZ-4B 4,4B Q6_K 5,7 GiB 56.832 ≤ 159 tok/s Passt
Fara1.5-4B 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Passt
FrogNano-4B-2609 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Passt
Qwen3.5-4B 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Passt
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 85.504 ≤ 82,6 tok/s Passt
UserRepGen-4B 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Passt
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8.192 ≤ 150 tok/s Passt
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 131 tok/s Passt
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 25.088 ≤ 77,5 tok/s Passt
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 237.312 ≤ 98,7 tok/s Passt
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 89,1 tok/s Passt
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 89,1 tok/s Passt
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 206 tok/s Passt
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 89,1 tok/s Passt
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 30.208 ≤ 82,0 tok/s Passt
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4.096 ≤ 223 tok/s Passt
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 19.712 ≤ 99,9 tok/s Passt
granite-4.2-3b 3,7B BF16 8,6 GiB 59.904 ≤ 95,9 tok/s Passt
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 233 tok/s Passt
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 96,4 tok/s Passt
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 45.824 ≤ 92,7 tok/s Passt
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 45.824 ≤ 92,7 tok/s Passt
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 59.904 ≤ 95,9 tok/s Passt
granite-4.1-3b 3,4B BF16 8,6 GiB 59.904 ≤ 95,9 tok/s Passt
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 107.776 ≤ 207 tok/s Passt
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 200 tok/s Passt
tiny-aya-earth 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Passt
tiny-aya-fire 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Passt
tiny-aya-global 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Passt
tiny-aya-water 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Passt
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 46.336 ≤ 97,3 tok/s Passt
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 118 tok/s Passt
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 118 tok/s Passt
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 195 tok/s Passt
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 106 tok/s Passt
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 229 tok/s Passt
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 136 tok/s Passt
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 130 tok/s Passt
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 130 tok/s Passt
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 305 tok/s Passt
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 130 tok/s Passt
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M aktiv) Q6_K 3,6 GiB 32.768 ≤ 1.166 tok/s Passt
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 136 tok/s Passt
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 136 tok/s Passt
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 136 tok/s Passt
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 148 tok/s Passt
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB 221.696 ≤ 326 tok/s Passt
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 71.424 ≤ 164 tok/s Passt
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 305 tok/s Passt
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 71.424 ≤ 164 tok/s Passt
ZwZ-2B 2,0B F16 5,6 GiB 71.424 ≤ 164 tok/s Passt
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 373 tok/s Passt
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 373 tok/s Passt
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 185 tok/s Passt
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 436 tok/s Passt
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 164 tok/s Passt
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 71.424 ≤ 164 tok/s Passt
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 71.424 ≤ 164 tok/s Passt
SingGuard-2b 1,7B F16 5,6 GiB 71.424 ≤ 164 tok/s Passt
granite-4.0-1b 1,6B BF16 5,1 GiB 102.144 ≤ 182 tok/s Passt
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4.096 ≤ 274 tok/s Passt
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4.096 ≤ 274 tok/s Passt
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 240 tok/s Passt
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 262 tok/s Passt
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Passt
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Passt
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 294 tok/s Passt
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 294 tok/s Passt
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Passt
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Passt
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 294 tok/s Passt
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 776 tok/s Passt
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 776 tok/s Passt
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 776 tok/s Passt
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 997 tok/s Passt
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 446 tok/s Passt
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 351 tok/s Passt
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 446 tok/s Passt
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 997 tok/s Passt
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 446 tok/s Passt
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 446 tok/s Passt
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 336 tok/s Passt
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 381 tok/s Passt
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 885 tok/s Passt
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 1.831 tok/s Passt
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 885 tok/s Passt
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 885 tok/s Passt
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 763 tok/s Passt
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 1.003 tok/s Passt
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 1.259 tok/s Passt
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1.280 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) Q2_K 19,0 GiB Grenzwertig
Kimi-Linear-48B-A3B-Base 49,1B (3,1B aktiv) Q2_K 19,1 GiB Grenzwertig
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B aktiv) Q2_K 18,6 GiB Grenzwertig
Hermes-4.3-36B 36,2B IQ3_XXS 16,9 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
AesCode-32B 32,8B Q3_K_M 19,3 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
Holo2-30B-A3B 30,5B (3,0B aktiv) IQ4_XS 18,2 GiB Grenzwertig
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B aktiv) Q4_0 19,0 GiB Grenzwertig
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B aktiv) Q4_0 19,0 GiB Grenzwertig
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B aktiv) Q4_0 19,0 GiB Grenzwertig
UI-Venus-1.5-30B-A3B 30,5B (3,0B aktiv) IQ4_XS 18,2 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-2-27b-it 27,2B IQ4_XS 19,1 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
gemma-4-26B-A4B 25,2B (3,8B aktiv) Q4_K_M 19,1 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
OptiMind-SFT 20,9B (3,6B aktiv) Q5_K_M 17,8 GiB Grenzwertig
gemma-4-12B 11,9B Q8_0 15,6 GiB Grenzwertig

Modelle, die nicht auf eine NVIDIA GeForce RTX 4080 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 3 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 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 4 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 4 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 5 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 5 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 5 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 5 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 5 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 7 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 7 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 7 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 8 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 8 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 Grenzwertig mit 8 Karten. 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

Weitere Geräte mit 16 GB