DeskGPU
Español

NVIDIA GeForce RTX 3090 Ti: ¿qué LLMs puede ejecutar?

Esta página fue escrita y traducida automáticamente por IA y verificada por software con respecto a sus fuentes, sin edición humana. Las especificaciones provienen de las fuentes indicadas; los requisitos de memoria y las velocidades son estimaciones calculadas con fórmulas publicadas. Cómo usamos la IA

NVIDIA GeForce RTX 3090 Ti tiene 24 GB de memoria (cifra del fabricante). A continuación, cada modelo de la base de datos se comprueba con llama.cpp con una longitud de contexto de 8192 tokens (o el máximo del modelo, si es menor).

Valores actualizados el 19 oct 2026

Especificaciones

Memoria (cifra del fabricante)
24 GB
Tipo de memoria
GDDR6X
Ancho del bus de memoria
384 bit
Ancho de banda de memoria
1008 GB/s
Potencia de la placa (TDP)
450 W
Tensor FP16, denso
No se muestra: las fuentes abiertas no ofrecen dos valores independientes y coincidentes con una referencia del fabricante.
Tensor BF16, denso
No se muestra: las fuentes abiertas no ofrecen dos valores independientes y coincidentes con una referencia del fabricante.
Tensor FP8, denso
No se muestra: las fuentes abiertas no ofrecen dos valores independientes y coincidentes con una referencia del fabricante.
Tensor FP4, denso
No se muestra: las fuentes abiertas no ofrecen dos valores independientes y coincidentes con una referencia del fabricante.
Tensor INT8, denso
No se muestra: las fuentes abiertas no ofrecen dos valores independientes y coincidentes con una referencia del fabricante.
Interfaz
No se muestra: las fuentes abiertas no ofrecen dos valores independientes y coincidentes con una referencia del fabricante.

Cada valor enumera todas las fuentes con su propia cifra; las unidades se han normalizado. Los «GB» de memoria de GPU de un fabricante se cuentan como GiB (2³⁰ bytes), que es también como lo indica la tabla de ROCm de AMD. Cómo se verifican las especificaciones

Perfil de ejecución

Perfil de ejecución: llama.cpp, motor de ejecución CUDA (GPU discreta NVIDIA), todas las capas en la GPU, Flash Attention activado, micro-lote (-ub) 512, KV cache F16, contexto (-c) según se indica; «Cabe» se determina con las 4 secuencias paralelas predeterminadas de llama-server (-np auto, KV cache unificada) y «No cabe» con 1 secuencia; GPU inactiva, sin otros programas que usen su memoria.

Memoria contada como disponible para «Cabe» (C_low): 20,88 GiB por tarjeta = 24 GiB nominales − 1054 MiB (la mayor diferencia entre el valor nominal y el total indicado, medida en GPUs de consumo y de estación de trabajo de este perfil; se usa porque ningún registro público indica el total propio de esta GPU) − 2112 MiB (el mayor uso de arranque y de ejecución observado en los registros públicos de este perfil), redondeado hacia abajo a un múltiplo de 64 MiB.

Estos resultados asumen la configuración predeterminada de la tarjeta gráfica. No se contemplan los ajustes que reducen la memoria utilizable (por ejemplo, ECC, en las tarjetas que lo admiten).

Memoria usada para «No cabe» (C_high): los 24 GiB completos por tarjeta. Perfiles de ejecución y sus mediciones

Qué modelos caben

“Cabe” significa que la comprobación de carga predeterminada --fit de llama.cpp colocaría todas las capas en la GPU: nuestra estimación de los búferes de llama.cpp, más su margen de error, más la reserva de 1 GiB por tarjeta de llama.cpp, está dentro de la memoria contada como disponible. No garantiza que quepa el pico de memoria durante la generación. Cómo se deciden los resultados

Contexto de 8192 tokens (o el máximo del modelo si es menor). Las últimas columnas muestran la mayor longitud de contexto con esa cuantización y el techo de velocidad basado en el ancho de banda.
Modelo Parámetros Cuantización más alta que cabe Memoria disponible necesaria para «Cabe» Contexto más largo Techo de velocidad Resultado
AI21-Jamba2-Mini 51,6B (11,8B activos) Q2_K 19,0 GiB 111.104 ≤ 229 tok/s Cabe
Kimi-Linear-48B-A3B-Base 49,1B (3,1B activos) IQ3_XXS 20,0 GiB 92.416 ≤ 710 tok/s Cabe
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B activos) IQ3_XXS 20,7 GiB 27.136 ≤ 586 tok/s Cabe
Hermes-4.3-36B 36,2B Q3_K_M 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B activos) IQ4_XS 19,8 GiB 112.896 ≤ 540 tok/s Cabe
Holo-3.1-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,2 GiB 37.376 ≤ 493 tok/s Cabe
Holo3-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,2 GiB 37.376 ≤ 493 tok/s Cabe
Holo4-35B-A3B 34,7B (2,9B activos) Q3_K_M 18,4 GiB 120.064 ≤ 383 tok/s Cabe
Ising-Calibration-1-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,0 GiB 46.592 ≤ 495 tok/s Cabe
KAT-Coder-V2.5-Dev 34,7B (2,9B activos) IQ4_XS 20,1 GiB 43.264 ≤ 477 tok/s Cabe
Qwen3.5-35B-A3B 34,7B (2,9B activos) Q3_K_M 17,6 GiB 158.464 ≤ 387 tok/s Cabe
Qwen3.5-35B-A3B-Base 34,7B (2,9B activos) IQ4_XS 19,9 GiB 50.176 ≤ 515 tok/s Cabe
Qwen3.6-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,1 GiB 43.520 ≤ 478 tok/s Cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,0 GiB 46.592 ≤ 495 tok/s Cabe
Laguna-XS-2.1 33,4B (2,8B activos) Q4_0 20,6 GiB 13.824 ≤ 436 tok/s Cabe
DeepSeek-R1-Distill-Qwen-32B 32,8B Q3_K_M 18,7 GiB 16.384 ≤ 56,8 tok/s Cabe
Qwen2.5-32B-Instruct 32,8B Q3_K_M 18,7 GiB 16.384 ≤ 56,8 tok/s Cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q3_K_M 18,7 GiB 16.384 ≤ 56,8 tok/s Cabe
AesCode-32B 32,8B IQ4_XS 20,8 GiB 8448 ≤ 50,8 tok/s Cabe
Cosmos-Reason2-32B 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
FrogBoss-32B-2510 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
Nemotron-Terminal-32B 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
Qwen3-VL-32B-Instruct 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
Qwen3-VL-32B-Thinking 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
SERA-32B 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
WebWorld-32B 32,8B IQ4_XS 20,4 GiB 9984 ≤ 51,9 tok/s Cabe
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB 9728 ≤ 54,0 tok/s Cabe
Olmo-3.1-32B-Instruct 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3.1-32B-Instruct-DPO 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3.1-32B-Think 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-1125-32B 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-32B-Think 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-32B-Think-DPO 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-32B-Think-SFT 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Holotron4-30B-A3B 31,6B (3,2B activos) Q4_0 19,0 GiB 238.336 ≤ 485 tok/s Cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B activos) Q4_0 19,2 GiB 212.224 ≤ 440 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B activos) Q4_0 19,0 GiB 238.336 ≤ 485 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,3 GiB 207.360 ≤ 439 tok/s Cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,2 GiB 219.136 ≤ 451 tok/s Cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,0 GiB 238.336 ≤ 485 tok/s Cabe
gemma-4-31B 30,7B Q2_K 17,6 GiB 48.128 ≤ 75,2 tok/s Cabe
gemma-4-31B-it 30,7B Q3_K_M 20,3 GiB 14.592 ≤ 62,1 tok/s Cabe
Ising-Calibration-1.5-31B-BF16 30,7B IQ3_XXS 18,6 GiB 35.328 ≤ 69,6 tok/s Cabe
Holo2-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B activos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B activos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B activos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
UI-Venus-1.5-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
North-Mini-Code-1.0 30,5B (3,3B activos) Q4_K_M 20,7 GiB 9472 ≤ 360 tok/s Cabe
GLM-4.7-Flash 29,9B (3,6B activos) Q4_K_M 19,5 GiB 32.512 ≤ 354 tok/s Cabe
granite-4.2-30b 29,3B Q4_K_M 20,5 GiB 9472 ≤ 51,3 tok/s Cabe
granite-4.1-30b 28,9B Q4_K_M 20,5 GiB 9472 ≤ 51,3 tok/s Cabe
Muse-Glimmer-30B 27,9B Q5_K_M 20,7 GiB 21.248 ≤ 52,1 tok/s Cabe
gemma-2-27b-it 27,2B IQ4_XS 19,1 GiB 8192 ≤ 58,9 tok/s Cabe
gemma-3-27b-it 27,0B Q4_K_M 20,3 GiB 14.336 ≤ 57,1 tok/s Cabe
translategemma-27b-it 27,0B Q4_K_M 20,3 GiB 14.336 ≤ 57,1 tok/s Cabe
Fara1.5-27B 26,9B Q4_K_M 19,1 GiB 34.304 ≤ 58,1 tok/s Cabe
Holo4-27B 26,9B Q5_K_M 20,6 GiB 11.520 ≤ 53,4 tok/s Cabe
Qwen3.5-27B 26,9B Q4_K_M 18,4 GiB 46.080 ≤ 60,9 tok/s Cabe
Qwen3.6-27B 26,9B Q4_K_M 18,4 GiB 45.056 ≤ 60,6 tok/s Cabe
Qwen3.8-27B 26,9B Q4_K_M 18,8 GiB 39.168 ≤ 59,2 tok/s Cabe
Qwen3.8-3.6-27B-blend 26,9B Q4_K_M 18,8 GiB 39.168 ≤ 59,2 tok/s Cabe
UI-Mate-27B 26,9B Q4_K_M 19,1 GiB 34.304 ≤ 58,1 tok/s Cabe
UI-Mate-democua-27B 26,9B Q5_K_M 20,6 GiB 11.520 ≤ 53,4 tok/s Cabe
Trinity-Mini 26,1B (3,1B activos) Q5_K_M 19,9 GiB 57.856 ≤ 396 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B activos) Q5_K_M 19,9 GiB 62.208 ≤ 409 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B activos) Q5_K_M 19,6 GiB 4096 ≤ 421 tok/s Cabe
gemma-4-26B-A4B 25,2B (3,8B activos) Q4_K_M 19,1 GiB 88.832 ≤ 339 tok/s Cabe
gemma-4-26B-A4B-it 25,2B (3,8B activos) Q4_K_M 19,3 GiB 78.080 ≤ 314 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B activos) Q5_K_M 19,3 GiB 24.320 ≤ 332 tok/s Cabe
LFM2.5-24B-A2B 24,0B (2,5B activos) Q6_K 20,7 GiB 14.080 ≤ 459 tok/s Cabe
LFM2-24B-A2B 23,8B (2,3B activos) Q6_K 20,6 GiB 18.944 ≤ 481 tok/s Cabe
Devstral-Small-2-24B-Instruct-2512 23,6B Q5_K_M 18,6 GiB 22.272 ≤ 57,2 tok/s Cabe
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q5_K_M 18,6 GiB 22.272 ≤ 57,2 tok/s Cabe
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B activos) Q6_K 20,1 GiB 21.760 ≤ 288 tok/s Cabe
EuroLLM-22B-2512 22,6B Q6_K 20,6 GiB 9216 ≤ 51,1 tok/s Cabe
EuroLLM-22B-Instruct-2512 22,6B Q6_K 20,6 GiB 9216 ≤ 51,1 tok/s Cabe
gpt-oss-20b 20,9B (3,6B activos) Q8_0 12,9 GiB 131.072 ≤ 363 tok/s Cabe
OptiMind-SFT 20,9B (3,6B activos) Q5_K_M 17,8 GiB 127.232 ≤ 314 tok/s Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q8_0 17,5 GiB 25.600 ≤ 61,2 tok/s Cabe
Qwen2.5-14B-Instruct 14,8B Q8_0 17,5 GiB 25.600 ≤ 61,2 tok/s Cabe
ContextPilot-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
FrogMini-14B-2510 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
JanusCoder-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Nemotron-Cascade-14B-Thinking 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Nemotron-Terminal-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
NousCoder-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Qwen3-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Qwen3-Nemotron-14B-BRRM 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
WebWorld-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
phi-4 14,7B Q8_0 17,7 GiB 16.384 ≤ 60,3 tok/s Cabe
Apriel-1.6-15b-Thinker 14,4B Q8_0 17,2 GiB 26.880 ≤ 62,1 tok/s Cabe
Ministral-3-14B-Instruct-2512 13,5B Q8_0 16,0 GiB 38.144 ≤ 67,3 tok/s Cabe
Ministral-3-14B-Reasoning-2512 13,5B Q8_0 16,0 GiB 38.144 ≤ 67,3 tok/s Cabe
Mistral-Nemo-Instruct-2407 12,2B Q8_0 14,7 GiB 46.336 ≤ 73,9 tok/s Cabe
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B activos) Q8_0 14,0 GiB 131.072 ≤ 399 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 480 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B activos) Q8_0 14,0 GiB 131.072 ≤ 399 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 480 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B activos) Q8_0 14,0 GiB 131.072 ≤ 399 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 480 tok/s Cabe
gemma-4-12B 11,9B Q8_0 15,6 GiB 262.144 ≤ 76,8 tok/s Cabe
gemma-4-12B-it 11,9B Q8_0 15,6 GiB 262.144 ≤ 76,8 tok/s Cabe
gemma-3-12b-it 11,8B Q8_0 15,8 GiB 84.480 ≤ 75,4 tok/s Cabe
translategemma-12b-it 11,8B Q8_0 15,8 GiB 84.480 ≤ 75,4 tok/s Cabe
Bielik-11B-v3.0-Instruct 11,2B Q8_0 14,4 GiB 32.768 ≤ 75,2 tok/s Cabe
AutoGLM-Phone-9B 9,4B F16 18,9 GiB 55.808 ≤ 56,3 tok/s Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 125 tok/s Cabe
GLM-4.6V-Flash 9,4B BF16 18,9 GiB 55.808 ≤ 56,3 tok/s Cabe
gemma-2-9b-it 9,2B Q8_0 14,8 GiB 8192 ≤ 78,8 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B F16 19,6 GiB 15.616 ≤ 54,0 tok/s Cabe
Fara1.5-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
Holo-3.1-9B 9,0B F16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
Qwen3.5-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
Qwen3.5-9B-Base 9,0B F16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
UI-Mate-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
UI-Venus-2-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B BF16 18,3 GiB 131.072 ≤ 60,2 tok/s Cabe
granite-4.1-8b 8,8B BF16 19,0 GiB 19.456 ≤ 55,7 tok/s Cabe
granite-4.2-8b 8,8B BF16 19,0 GiB 19.456 ≤ 55,7 tok/s Cabe
Ministral-3-8B-Instruct-2512 8,5B BF16 18,0 GiB 28.928 ≤ 59,1 tok/s Cabe
Ministral-3-8B-Reasoning-2512 8,5B BF16 18,0 GiB 28.928 ≤ 59,1 tok/s Cabe
LFM2.5-8B-A1B 8,5B (1,7B activos) BF16 18,0 GiB 128.000 ≤ 290 tok/s Cabe
granite-guardian-4.1-8b 8,4B BF16 19,0 GiB 19.456 ≤ 55,7 tok/s Cabe
LFM2-8B-A1B 8,3B (1,6B activos) F16 17,7 GiB 128.000 ≤ 313 tok/s Cabe
rnj-1-instruct 8,3B BF16 18,6 GiB 25.344 ≤ 57,0 tok/s Cabe
AesCode-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
ArmorOCR 8,2B Q8_0 10,4 GiB 79.616 ≤ 109 tok/s Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
JanusCoder-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
MathForm-8B 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Cascade-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
Qwen3-8B 8,2B Q8_0 10,4 GiB 40.960 ≤ 109 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
WebWorld-8B 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
MiniCPM-o-4_5 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
granite-3.3-8b-instruct 8,2B F16 18,6 GiB 22.016 ≤ 57,0 tok/s Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B F16 18,6 GiB 22.016 ≤ 57,0 tok/s Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B BF16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 103.936 ≤ 139 tok/s Cabe
Llama-3.1-8B-Instruct 8,0B BF16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 131.072 ≤ 150 tok/s Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 94.976 ≤ 145 tok/s Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B F16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Fara-7B 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 161 tok/s Cabe
JanusCoderV-7B 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
olmOCR-2-7B-1025 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 126 tok/s Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 126 tok/s Cabe
Qwen2.5-VL-7B-Instruct 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B F16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 161 tok/s Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 161 tok/s Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 161 tok/s Cabe
gemma-4-E4B 7,5B F16 11,0 GiB 131.072 ≤ 105 tok/s Cabe
gemma-4-E4B-it 7,5B BF16 11,0 GiB 131.072 ≤ 105 tok/s Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 32.768 ≤ 110 tok/s Cabe
ContextPilot-E4B 7,5B F16 10,9 GiB 131.072 ≤ 107 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B F16 19,0 GiB 11.776 ≤ 61,2 tok/s Cabe
Olmo-3-7B-Instruct 7,3B BF16 19,0 GiB 11.776 ≤ 61,2 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-Think 7,3B BF16 19,0 GiB 11.776 ≤ 61,2 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 146 tok/s Cabe
Trinity-Nano-Base 6,1B (819M activos) Q6_K 6,7 GiB 131.072 ≤ 1119 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M activos) Q6_K 6,4 GiB 4096 ≤ 1197 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M activos) BF16 13,5 GiB 131.072 ≤ 543 tok/s Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 228 tok/s Cabe
Holo-3.1-4B 4,8B F16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 514 tok/s Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 217 tok/s Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 111.360 ≤ 224 tok/s Cabe
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Holo2-4B 4,4B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 111.360 ≤ 224 tok/s Cabe
Fara1.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
FrogNano-4B-2609 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
Qwen3.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
UserRepGen-4B 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8192 ≤ 210 tok/s Cabe
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 184 tok/s Cabe
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 262.144 ≤ 139 tok/s Cabe
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 125 tok/s Cabe
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 125 tok/s Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 290 tok/s Cabe
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 125 tok/s Cabe
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 91.392 ≤ 115 tok/s Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4096 ≤ 314 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 40.448 ≤ 140 tok/s Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 131.072 ≤ 135 tok/s Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 328 tok/s Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 136 tok/s Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 121.088 ≤ 130 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 121.088 ≤ 130 tok/s Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 131.072 ≤ 135 tok/s Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 131.072 ≤ 135 tok/s Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 131.072 ≤ 291 tok/s Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 281 tok/s Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 142 tok/s Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 142 tok/s Cabe
tiny-aya-global 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 142 tok/s Cabe
tiny-aya-water 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 142 tok/s Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 116.224 ≤ 137 tok/s Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 166 tok/s Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 166 tok/s Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 274 tok/s Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 149 tok/s Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 322 tok/s Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 182 tok/s Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 182 tok/s Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 429 tok/s Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 182 tok/s Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M activos) Q6_K 3,6 GiB 32.768 ≤ 1640 tok/s Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 208 tok/s Cabe
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 459 tok/s Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 429 tok/s Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
ZwZ-2B 2,0B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 525 tok/s Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 525 tok/s Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 261 tok/s Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 612 tok/s Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 230 tok/s Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
SingGuard-2b 1,7B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 131.072 ≤ 256 tok/s Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4096 ≤ 385 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4096 ≤ 385 tok/s Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 337 tok/s Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 368 tok/s Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 1091 tok/s Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 1091 tok/s Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 1091 tok/s Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 1401 tok/s Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 628 tok/s Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 493 tok/s Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 627 tok/s Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 1401 tok/s Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 628 tok/s Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 628 tok/s Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 473 tok/s Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 535 tok/s Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 1245 tok/s Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 2574 tok/s Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 1245 tok/s Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 1245 tok/s Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 1073 tok/s Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 1410 tok/s Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 1770 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1799 tok/s Cabe

Modelos al límite

Dentro del rango de error de la estimación: puede que quepa o puede que no. Prueba una longitud de contexto menor o una cuantización más baja.

Contexto de 8192 tokens. Ninguna cuantización de estos modelos cabe; la que se muestra es la más alta que está al límite.
Modelo Parámetros Cuantización más alta al límite Memoria disponible necesaria para «Cabe» Resultado
Qwen3-Coder-Next-Base 79,7B (3,6B activos) IQ2_M 27,2 GiB Al límite
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB Al límite
Llama-3.1-70B-Instruct 70,6B IQ2_M 27,1 GiB Al límite
QwQ-32B 32,8B Q5_K_M 25,7 GiB Al límite
Qwen3-32B 32,8B Q5_K_M 25,7 GiB Al límite
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B activos) Q4_K_M 23,3 GiB Al límite

Modelos que no caben en una NVIDIA GeForce RTX 3090 Ti

Contexto de 8192 tokens. Ni siquiera la cuantización más baja cabe en una tarjeta; el requisito mostrado corresponde a esa cuantización.
Modelo Parámetros Cuantización más pequeña Memoria disponible necesaria para «Cabe» Varias tarjetas idénticas Resultado
Solar-Open-100B 103B (11,2B activos) IQ2_XXS 29,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
DeepSeek-R1-Distill-Llama-70B 70,6B Q2_K 29,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Llama-3.3-70B-Instruct 70,6B Q2_K 29,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B activos) Q2_K 30,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-Coder-Next 79,7B (3,6B activos) Q2_K 30,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B activos) IQ2_XXS 31,1 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B activos) IQ2_XXS 32,9 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Mistral-Small-4-119B-2603 119B (6,1B activos) IQ2_XXS 34,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3.5-122B-A10B 122B (9,0B activos) IQ2_XXS 35,0 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen-AgentWorld-35B-A3B 34,7B (2,9B activos) Q8_0 37,6 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
MiniMax-M2.5-REAP-139B-A10B 139B (10,4B activos) IQ2_XXS 39,2 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
INTELLECT-3 107B (12,8B activos) IQ2_XXS 39,6 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Step-3.5-Flash-REAP-149B-A11B 149B (11,4B activos) IQ2_XXS 40,1 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Llama-4-Scout-17B-16E-Instruct 108B (16,1B activos) Q2_K 41,5 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.5-Air 107B (12,8B activos) Q2_K 45,6 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.6V 107B (12,8B activos) Q2_K 45,6 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Step-3.5-Flash 197B (11,5B activos) IQ2_XXS 48,9 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Devstral-2-123B-Instruct-2512 125B Q2_K 49,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Mistral-Medium-3.5-128B 125B Q2_K 49,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 121B (12,2B activos) IQ2_XXS 49,8 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-3-Super-120B-A12B-BF16 121B (12,2B activos) IQ2_XXS 51,0 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
gpt-oss-120b 117B (5,1B activos) Q2_K 62,8 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiniMax-M2.7 229B (10,4B activos) IQ2_XXS 62,9 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Baichuan-M3-235B 235B (21,6B activos) IQ2_XXS 63,2 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Holo2-235B-A22B 235B (21,6B activos) IQ2_XXS 63,2 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-Nemotron-235B-A22B-GenRM 235B (21,6B activos) IQ2_XXS 63,2 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
command-a-plus-05-2026-bf16 218B (25,0B activos) IQ2_XXS 63,6 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 121B (12,2B activos) Q4_0 71,8 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.7-REAP-268B-A32B 269B (32,8B activos) IQ2_XXS 73,0 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Step-3.7-Flash 197B (11,5B activos) IQ3_XXS 76,1 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Hy3 295B (20,2B activos) IQ2_XXS 82,2 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiMo-V2.5 309B (14,8B activos) IQ2_XXS 82,4 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.7-REAP-218B-A32B 218B (32,8B activos) Q2_K 82,9 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiniMax-M2 229B (10,4B activos) Q2_K 84,9 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiniMax-M2.1 229B (10,4B activos) Q2_K 84,9 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiniMax-M2.5 229B (10,4B activos) Q2_K 84,9 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-235B-A22B-Instruct-2507 235B (21,6B activos) Q2_K 86,7 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-VL-235B-A22B-Instruct 235B (21,6B activos) Q2_K 86,7 GiB Se espera que quepa en 5 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-5.3-Flash-BF16 313B (16,7B activos) IQ2_XXS 92,0 GiB Se espera que quepa en 6 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Laguna-S-2.1 118B (8,1B activos) Q4_K_M 95,9 GiB Al límite con 8 tarjetas. No cabe
Trinity-Large-Base 399B (12,8B activos) IQ2_XXS 96,4 GiB Se espera que quepa en 6 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Trinity-Large-TrueBase 399B (12,8B activos) IQ2_XXS 96,4 GiB Se espera que quepa en 6 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.6-REAP-268B-A32B 269B (32,8B activos) Q2_K 100,9 GiB Se espera que quepa en 6 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Trinity-Large-Thinking 399B (12,8B activos) IQ2_XXS 107,1 GiB Se espera que quepa en 6 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiMo-V2-Flash 309B (14,8B activos) Q2_K 111,6 GiB Se espera que quepa en 6 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Intern-S2-397B 396B (16,3B activos) IQ2_XXS 114,3 GiB Se espera que quepa en 7 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiMo-V2.6-Flash-MOPD 309B (14,8B activos) Q2_K 124,9 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiMo-V2.6-Flash-RL 309B (14,8B activos) Q2_K 124,9 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
K-EXAONE-236B-A23B 237B (22,7B activos) IQ4_XS 126,3 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.5 353B (32,9B activos) Q2_K 130,7 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.7 353B (32,9B activos) Q2_K 130,7 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-Coder-REAP-363B-A35B 363B (34,5B activos) Q2_K 132,7 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-235B-A22B 235B (21,6B activos) Q4_K_M 141,9 GiB Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-Coder-480B-A35B-Instruct 480B (34,5B activos) Q2_K 174,3 GiB Al límite con 8 tarjetas. No cabe
Qwen3.5-397B-A17B 396B (16,3B activos) Q3_K_M 175,6 GiB Al límite con 8 tarjetas. No cabe
GLM-5.1 744B (40,8B activos) IQ2_XXS 197,6 GiB Al límite con 8 tarjetas. No cabe
DeepSeek-V3.2 671B (36,6B activos) Q2_K 242,1 GiB No cabe ni siquiera con 8 tarjetas. No cabe
cogito-671b-v2.1 671B (36,6B activos) Q2_K 242,4 GiB No cabe ni siquiera con 8 tarjetas. No cabe
DeepSeek-V3.1 671B (36,6B activos) Q2_K 242,4 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Mistral-Large-3-675B-Instruct-2512 673B (39,0B activos) Q2_K 243,8 GiB No cabe ni siquiera con 8 tarjetas. No cabe
DeepSeek-V3 671B (36,6B activos) Q2_K 257,8 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Kimi-K2.6 1,03T (31,7B activos) IQ2_XXS 267,6 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-5 744B (40,8B activos) Q2_K 268,9 GiB No cabe ni siquiera con 8 tarjetas. No cabe
MiMo-V2.5-Pro 1,02T (41,0B activos) IQ2_XXS 270,4 GiB No cabe ni siquiera con 8 tarjetas. No cabe
DeepSeek-R1 671B (36,6B activos) Q2_K 280,3 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Muse-Spark-Open-816B-A42B 820B (44,4B activos) Q2_K 301,0 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-5.3-Flash 313B (16,7B activos) Q8_0 327,9 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Ling-1T 1,00T (49,8B activos) Q2_K 360,6 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Kimi-K2-Instruct 1,03T (31,7B activos) Q2_K 367,4 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Kimi-K2.5 1,03T (31,7B activos) Q2_K 368,0 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Kimi-K2-Thinking 1,03T (31,7B activos) Q2_K 368,3 GiB No cabe ni siquiera con 8 tarjetas. No cabe
MiMo-V2.6-Pro-MOPD 1,02T (41,0B activos) Q2_K 411,6 GiB No cabe ni siquiera con 8 tarjetas. No cabe
MiMo-V2.6-Pro-RL 1,02T (41,0B activos) Q2_K 411,6 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Beam-1.0-501B-A23B 501B (22,7B activos) Q8_0 523,6 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-5.2 744B (40,8B activos) Q8_0 776,4 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-5.3 744B (40,8B activos) Q8_0 776,4 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Qwen3.8-2.4T-A95B 2,42T (93,3B activos) Q8_0 2524,1 GiB No cabe ni siquiera con 8 tarjetas. No cabe

El techo de velocidad es el ancho de banda de memoria dividido entre los bytes leídos por cada token generado. Es un límite superior teórico; las pruebas de rendimiento públicas de llama.cpp suelen alcanzar entre la mitad y cuatro quintos de ese valor, y con modelos pequeños y modelos de mezcla de expertos a menudo alcanzan menos. Pruebas de rendimiento públicas

Otros dispositivos con 24 GB