DeskGPU
Español

NVIDIA GeForce RTX 3090: ¿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 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
936 GB/s
Potencia de la placa (TDP)
350 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): 21,44 GiB por tarjeta = 24 GiB nominales − 453 MiB (nominal menos el total que llama.cpp indicó para esta GPU en registros públicos) − 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 se aplican a la configuración observada en registros públicos, en la que llama.cpp indicó 24.123 MiB de memoria total para esta GPU. No se cubren los ajustes que reducen la memoria utilizable (por ejemplo, ECC, si la tarjeta lo admite).

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) IQ3_XXS 21,2 GiB 20.736 ≤ 193 tok/s Cabe
Kimi-Linear-48B-A3B-Base 49,1B (3,1B activos) IQ3_XXS 20,0 GiB 148.992 ≤ 660 tok/s Cabe
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B activos) IQ3_XXS 20,7 GiB 83.968 ≤ 544 tok/s Cabe
Hermes-4.3-36B 36,2B Q3_K_M 20,4 GiB 12.288 ≤ 48,2 tok/s Cabe
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B activos) Q4_0 20,9 GiB 58.112 ≤ 479 tok/s Cabe
Holo-3.1-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,2 GiB 62.720 ≤ 458 tok/s Cabe
Holo3-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,2 GiB 62.720 ≤ 458 tok/s Cabe
Holo4-35B-A3B 34,7B (2,9B activos) Q4_0 21,2 GiB 18.944 ≤ 430 tok/s Cabe
Ising-Calibration-1-35B-A3B 34,7B (2,9B activos) Q4_0 21,1 GiB 25.344 ≤ 460 tok/s Cabe
KAT-Coder-V2.5-Dev 34,7B (2,9B activos) Q4_0 21,2 GiB 18.944 ≤ 430 tok/s Cabe
Qwen3.5-35B-A3B 34,7B (2,9B activos) Q3_K_M 17,6 GiB 184.064 ≤ 359 tok/s Cabe
Qwen3.5-35B-A3B-Base 34,7B (2,9B activos) Q4_0 21,1 GiB 25.344 ≤ 460 tok/s Cabe
Qwen3.6-35B-A3B 34,7B (2,9B activos) Q4_0 21,2 GiB 19.200 ≤ 430 tok/s Cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B activos) Q4_0 21,0 GiB 29.184 ≤ 461 tok/s Cabe
Laguna-XS-2.1 33,4B (2,8B activos) Q4_0 20,6 GiB 27.136 ≤ 405 tok/s Cabe
DeepSeek-R1-Distill-Qwen-32B 32,8B Q3_K_M 18,7 GiB 18.688 ≤ 52,8 tok/s Cabe
Qwen2.5-32B-Instruct 32,8B Q4_0 21,3 GiB 8704 ≤ 46,0 tok/s Cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q4_0 21,3 GiB 8704 ≤ 46,0 tok/s Cabe
AesCode-32B 32,8B IQ4_XS 20,8 GiB 10.496 ≤ 47,2 tok/s Cabe
Cosmos-Reason2-32B 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
FrogBoss-32B-2510 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
Nemotron-Terminal-32B 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
Qwen3-VL-32B-Instruct 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
Qwen3-VL-32B-Thinking 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
SERA-32B 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
WebWorld-32B 32,8B Q4_0 21,3 GiB 8448 ≤ 45,9 tok/s Cabe
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB 12.032 ≤ 50,2 tok/s Cabe
Olmo-3.1-32B-Instruct 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Olmo-3.1-32B-Instruct-DPO 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Olmo-3.1-32B-Think 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Olmo-3-1125-32B 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Olmo-3-32B-Think 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Olmo-3-32B-Think-DPO 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Olmo-3-32B-Think-SFT 32,2B Q4_0 21,1 GiB 9472 ≤ 48,3 tok/s Cabe
Holotron4-30B-A3B 31,6B (3,2B activos) Q4_0 19,0 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 451 tok/s Cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B activos) Q4_0 19,2 GiB 262.144 ≤ 408 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B activos) Q4_0 19,0 GiB 262.144 ≤ 451 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,3 GiB 262.144 ≤ 408 tok/s Cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,2 GiB 262.144 ≤ 419 tok/s Cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,0 GiB 262.144 ≤ 451 tok/s Cabe
gemma-4-31B 30,7B Q3_K_M 20,9 GiB 14.848 ≤ 55,8 tok/s Cabe
gemma-4-31B-it 30,7B Q3_K_M 20,3 GiB 21.248 ≤ 57,7 tok/s Cabe
Ising-Calibration-1.5-31B-BF16 30,7B IQ3_XXS 18,6 GiB 42.240 ≤ 64,7 tok/s Cabe
Holo2-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB 21.504 ≤ 343 tok/s Cabe
Qwen3-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB 21.504 ≤ 343 tok/s Cabe
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B activos) Q4_K_M 20,1 GiB 21.504 ≤ 343 tok/s Cabe
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B activos) Q4_K_M 20,1 GiB 21.504 ≤ 343 tok/s Cabe
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B activos) Q4_K_M 20,1 GiB 21.504 ≤ 343 tok/s Cabe
UI-Venus-1.5-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB 21.504 ≤ 343 tok/s Cabe
North-Mini-Code-1.0 30,5B (3,3B activos) Q4_K_M 20,7 GiB 14.848 ≤ 335 tok/s Cabe
GLM-4.7-Flash 29,9B (3,6B activos) Q4_K_M 19,5 GiB 42.752 ≤ 329 tok/s Cabe
granite-4.2-30b 29,3B Q4_K_M 20,5 GiB 11.520 ≤ 47,7 tok/s Cabe
granite-4.1-30b 28,9B Q4_K_M 20,5 GiB 11.520 ≤ 47,7 tok/s Cabe
Muse-Glimmer-30B 27,9B Q5_K_M 20,7 GiB 58.368 ≤ 48,4 tok/s Cabe
gemma-2-27b-it 27,2B Q4_K_M 20,9 GiB 8192 ≤ 49,4 tok/s Cabe
gemma-3-27b-it 27,0B Q4_K_M 20,3 GiB 21.248 ≤ 53,0 tok/s Cabe
translategemma-27b-it 27,0B Q4_K_M 20,3 GiB 21.248 ≤ 53,0 tok/s Cabe
Fara1.5-27B 26,9B Q4_K_M 19,1 GiB 42.752 ≤ 54,0 tok/s Cabe
Holo4-27B 26,9B Q5_K_M 20,6 GiB 19.968 ≤ 49,6 tok/s Cabe
Qwen3.5-27B 26,9B Q5_K_M 21,0 GiB 14.592 ≤ 48,6 tok/s Cabe
Qwen3.6-27B 26,9B Q5_K_M 20,9 GiB 15.872 ≤ 48,8 tok/s Cabe
Qwen3.8-27B 26,9B Q4_K_M 18,8 GiB 47.616 ≤ 55,0 tok/s Cabe
Qwen3.8-3.6-27B-blend 26,9B Q4_K_M 18,8 GiB 47.616 ≤ 55,0 tok/s Cabe
UI-Mate-27B 26,9B Q4_K_M 19,1 GiB 42.752 ≤ 54,0 tok/s Cabe
UI-Mate-democua-27B 26,9B Q5_K_M 20,6 GiB 19.968 ≤ 49,6 tok/s Cabe
Trinity-Mini 26,1B (3,1B activos) Q5_K_M 19,9 GiB 89.088 ≤ 368 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B activos) Q5_K_M 19,9 GiB 93.440 ≤ 380 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B activos) Q5_K_M 19,6 GiB 4096 ≤ 391 tok/s Cabe
gemma-4-26B-A4B 25,2B (3,8B activos) Q5_K_M 21,4 GiB 10.496 ≤ 285 tok/s Cabe
gemma-4-26B-A4B-it 25,2B (3,8B activos) Q4_K_M 19,3 GiB 103.680 ≤ 291 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B activos) Q5_K_M 19,3 GiB 30.208 ≤ 309 tok/s Cabe
LFM2.5-24B-A2B 24,0B (2,5B activos) Q6_K 20,7 GiB 39.680 ≤ 426 tok/s Cabe
LFM2-24B-A2B 23,8B (2,3B activos) Q6_K 20,6 GiB 44.288 ≤ 447 tok/s Cabe
Devstral-Small-2-24B-Instruct-2512 23,6B Q6_K 21,0 GiB 10.752 ≤ 46,5 tok/s Cabe
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q6_K 21,0 GiB 10.752 ≤ 46,5 tok/s Cabe
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B activos) Q6_K 20,1 GiB 32.000 ≤ 268 tok/s Cabe
EuroLLM-22B-2512 22,6B Q6_K 20,6 GiB 11.776 ≤ 47,4 tok/s Cabe
EuroLLM-22B-Instruct-2512 22,6B Q6_K 20,6 GiB 11.776 ≤ 47,4 tok/s Cabe
gpt-oss-20b 20,9B (3,6B activos) Q8_0 12,9 GiB 131.072 ≤ 337 tok/s Cabe
OptiMind-SFT 20,9B (3,6B activos) Q5_K_M 17,8 GiB 131.072 ≤ 291 tok/s Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q8_0 17,5 GiB 28.416 ≤ 56,8 tok/s Cabe
Qwen2.5-14B-Instruct 14,8B Q8_0 17,5 GiB 28.416 ≤ 56,8 tok/s Cabe
ContextPilot-14B 14,8B Q8_0 17,2 GiB 34.048 ≤ 57,7 tok/s Cabe
FrogMini-14B-2510 14,8B Q6_K 13,9 GiB 40.960 ≤ 73,0 tok/s Cabe
JanusCoder-14B 14,8B Q8_0 17,2 GiB 32.768 ≤ 57,7 tok/s Cabe
Nemotron-Cascade-14B-Thinking 14,8B Q8_0 17,2 GiB 32.768 ≤ 57,7 tok/s Cabe
Nemotron-Terminal-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 73,0 tok/s Cabe
NousCoder-14B 14,8B Q8_0 17,2 GiB 34.048 ≤ 57,7 tok/s Cabe
Qwen3-14B 14,8B Q8_0 17,2 GiB 34.048 ≤ 57,7 tok/s Cabe
Qwen3-Nemotron-14B-BRRM 14,8B Q6_K 13,9 GiB 40.960 ≤ 73,0 tok/s Cabe
WebWorld-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 73,0 tok/s Cabe
phi-4 14,7B Q8_0 17,7 GiB 16.384 ≤ 56,0 tok/s Cabe
Apriel-1.6-15b-Thinker 14,4B Q8_0 17,2 GiB 29.952 ≤ 57,7 tok/s Cabe
Ministral-3-14B-Instruct-2512 13,5B Q8_0 16,0 GiB 41.728 ≤ 62,5 tok/s Cabe
Ministral-3-14B-Reasoning-2512 13,5B Q8_0 16,0 GiB 41.728 ≤ 62,5 tok/s Cabe
Mistral-Nemo-Instruct-2407 12,2B Q8_0 14,7 GiB 49.664 ≤ 68,6 tok/s Cabe
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B activos) Q8_0 14,0 GiB 131.072 ≤ 371 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 445 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B activos) Q8_0 14,0 GiB 131.072 ≤ 371 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 445 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B activos) Q8_0 14,0 GiB 131.072 ≤ 371 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 445 tok/s Cabe
gemma-4-12B 11,9B Q8_0 15,6 GiB 262.144 ≤ 71,3 tok/s Cabe
gemma-4-12B-it 11,9B Q8_0 15,6 GiB 262.144 ≤ 71,3 tok/s Cabe
gemma-3-12b-it 11,8B Q8_0 15,8 GiB 92.928 ≤ 70,0 tok/s Cabe
translategemma-12b-it 11,8B Q8_0 15,8 GiB 92.928 ≤ 70,0 tok/s Cabe
Bielik-11B-v3.0-Instruct 11,2B Q8_0 14,4 GiB 32.768 ≤ 69,8 tok/s Cabe
AutoGLM-Phone-9B 9,4B F16 18,9 GiB 65.536 ≤ 52,3 tok/s Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 116 tok/s Cabe
GLM-4.6V-Flash 9,4B BF16 18,9 GiB 69.120 ≤ 52,3 tok/s Cabe
gemma-2-9b-it 9,2B Q8_0 14,8 GiB 8192 ≤ 73,2 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B F16 19,6 GiB 18.944 ≤ 50,1 tok/s Cabe
Fara1.5-9B 9,0B BF16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
Holo-3.1-9B 9,0B F16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B BF16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
Qwen3.5-9B 9,0B BF16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
Qwen3.5-9B-Base 9,0B F16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
UI-Mate-9B 9,0B BF16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
UI-Venus-2-9B 9,0B BF16 17,5 GiB 122.112 ≤ 58,0 tok/s Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B BF16 18,3 GiB 131.072 ≤ 55,9 tok/s Cabe
granite-4.1-8b 8,8B BF16 19,0 GiB 22.784 ≤ 51,7 tok/s Cabe
granite-4.2-8b 8,8B BF16 19,0 GiB 22.784 ≤ 51,7 tok/s Cabe
Ministral-3-8B-Instruct-2512 8,5B BF16 18,0 GiB 33.024 ≤ 54,9 tok/s Cabe
Ministral-3-8B-Reasoning-2512 8,5B BF16 18,0 GiB 33.024 ≤ 54,9 tok/s Cabe
LFM2.5-8B-A1B 8,5B (1,7B activos) BF16 18,0 GiB 128.000 ≤ 269 tok/s Cabe
granite-guardian-4.1-8b 8,4B BF16 19,0 GiB 22.784 ≤ 51,7 tok/s Cabe
LFM2-8B-A1B 8,3B (1,6B activos) F16 17,7 GiB 128.000 ≤ 291 tok/s Cabe
rnj-1-instruct 8,3B BF16 18,6 GiB 29.696 ≤ 52,9 tok/s Cabe
AesCode-8B 8,2B BF16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
ArmorOCR 8,2B Q8_0 10,4 GiB 83.456 ≤ 101 tok/s Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 126 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 126 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 95.744 ≤ 126 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B BF16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 95.744 ≤ 126 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
JanusCoder-8B 8,2B BF16 17,3 GiB 32.768 ≤ 57,3 tok/s Cabe
MathForm-8B 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
Nemotron-Cascade-8B 8,2B BF16 17,3 GiB 32.768 ≤ 57,3 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B BF16 17,3 GiB 32.768 ≤ 57,3 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B BF16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 126 tok/s Cabe
Qwen3-8B 8,2B Q8_0 10,4 GiB 40.960 ≤ 101 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 40.960 ≤ 126 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B BF16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B BF16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 95.744 ≤ 126 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 40.960 ≤ 126 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 95.744 ≤ 126 tok/s Cabe
WebWorld-8B 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 95.744 ≤ 126 tok/s Cabe
MiniCPM-o-4_5 8,2B F16 17,3 GiB 36.096 ≤ 57,3 tok/s Cabe
granite-3.3-8b-instruct 8,2B F16 18,6 GiB 25.344 ≤ 52,9 tok/s Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B F16 18,6 GiB 25.344 ≤ 52,9 tok/s Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B F16 17,0 GiB 41.728 ≤ 58,2 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B F16 17,0 GiB 41.728 ≤ 58,2 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B F16 17,0 GiB 41.728 ≤ 58,2 tok/s Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B F16 17,0 GiB 41.728 ≤ 58,2 tok/s Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B BF16 17,0 GiB 41.728 ≤ 58,2 tok/s Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 108.288 ≤ 129 tok/s Cabe
Llama-3.1-8B-Instruct 8,0B BF16 17,0 GiB 41.728 ≤ 58,2 tok/s Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 131.072 ≤ 139 tok/s Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 98.816 ≤ 135 tok/s Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B F16 15,6 GiB 107.520 ≤ 64,1 tok/s Cabe
Fara-7B 7,6B BF16 15,6 GiB 107.520 ≤ 64,1 tok/s Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 149 tok/s Cabe
JanusCoderV-7B 7,6B BF16 15,6 GiB 107.520 ≤ 64,1 tok/s Cabe
olmOCR-2-7B-1025 7,6B BF16 15,6 GiB 107.520 ≤ 64,1 tok/s Cabe
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 117 tok/s Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 117 tok/s Cabe
Qwen2.5-VL-7B-Instruct 7,6B BF16 15,6 GiB 107.520 ≤ 64,1 tok/s Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B F16 15,6 GiB 107.520 ≤ 64,1 tok/s Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 149 tok/s Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 149 tok/s Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 149 tok/s Cabe
gemma-4-E4B 7,5B F16 11,0 GiB 131.072 ≤ 98,0 tok/s Cabe
gemma-4-E4B-it 7,5B BF16 11,0 GiB 131.072 ≤ 98,0 tok/s Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 32.768 ≤ 102 tok/s Cabe
ContextPilot-E4B 7,5B F16 10,9 GiB 131.072 ≤ 99,1 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B F16 19,0 GiB 12.800 ≤ 56,9 tok/s Cabe
Olmo-3-7B-Instruct 7,3B BF16 19,0 GiB 12.800 ≤ 56,9 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-Think 7,3B BF16 19,0 GiB 12.800 ≤ 56,9 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 61.952 ≤ 112 tok/s Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 136 tok/s Cabe
Trinity-Nano-Base 6,1B (819M activos) Q6_K 6,7 GiB 131.072 ≤ 1039 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M activos) Q6_K 6,4 GiB 4096 ≤ 1112 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M activos) BF16 13,5 GiB 131.072 ≤ 504 tok/s Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 212 tok/s Cabe
Holo-3.1-4B 4,8B F16 10,2 GiB 262.144 ≤ 108 tok/s Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 478 tok/s Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 201 tok/s Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 115.200 ≤ 208 tok/s Cabe
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
Holo2-4B 4,4B F16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 40.960 ≤ 101 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 40.960 ≤ 101 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 40.960 ≤ 101 tok/s Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 40.960 ≤ 101 tok/s Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 115.200 ≤ 208 tok/s Cabe
Fara1.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 108 tok/s Cabe
FrogNano-4B-2609 4,2B BF16 10,2 GiB 262.144 ≤ 108 tok/s Cabe
Qwen3.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 108 tok/s Cabe
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 262.144 ≤ 108 tok/s Cabe
UserRepGen-4B 4,2B BF16 10,2 GiB 262.144 ≤ 108 tok/s Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8192 ≤ 195 tok/s Cabe
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 171 tok/s Cabe
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 83.456 ≤ 101 tok/s Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 262.144 ≤ 129 tok/s Cabe
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 116 tok/s Cabe
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 116 tok/s Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 269 tok/s Cabe
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 116 tok/s Cabe
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 95.744 ≤ 107 tok/s Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4096 ≤ 292 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 41.984 ≤ 130 tok/s Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 131.072 ≤ 125 tok/s Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 305 tok/s Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 126 tok/s Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 126.208 ≤ 121 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 126.208 ≤ 121 tok/s Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 131.072 ≤ 125 tok/s Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 131.072 ≤ 125 tok/s Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 131.072 ≤ 270 tok/s Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 261 tok/s Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 132 tok/s Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 132 tok/s Cabe
tiny-aya-global 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 132 tok/s Cabe
tiny-aya-water 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 132 tok/s Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 121.088 ≤ 127 tok/s Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 154 tok/s Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 154 tok/s Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 254 tok/s Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 139 tok/s Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 299 tok/s Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 177 tok/s Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 169 tok/s Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 169 tok/s Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 399 tok/s Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 169 tok/s Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M activos) Q6_K 3,6 GiB 32.768 ≤ 1523 tok/s Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 177 tok/s Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 177 tok/s Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 177 tok/s Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 193 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) ≤ 426 tok/s Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 146.432 ≤ 214 tok/s Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 398 tok/s Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 146.432 ≤ 214 tok/s Cabe
ZwZ-2B 2,0B F16 5,6 GiB 146.432 ≤ 214 tok/s Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 488 tok/s Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 488 tok/s Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 242 tok/s Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 569 tok/s Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 214 tok/s Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 146.432 ≤ 214 tok/s Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 146.432 ≤ 214 tok/s Cabe
SingGuard-2b 1,7B F16 5,6 GiB 146.432 ≤ 214 tok/s Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 131.072 ≤ 238 tok/s Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4096 ≤ 358 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4096 ≤ 358 tok/s Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 313 tok/s Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 342 tok/s Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 383 tok/s Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 1014 tok/s Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 1014 tok/s Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 1014 tok/s Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 1301 tok/s Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 583 tok/s Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 458 tok/s Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 583 tok/s Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 1301 tok/s Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 583 tok/s Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 583 tok/s Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 439 tok/s Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 497 tok/s Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 1156 tok/s Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 2390 tok/s Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 1156 tok/s Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 1156 tok/s Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 996 tok/s Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 1309 tok/s Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 1644 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1671 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

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 5 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 7 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

Páginas detalladas de esta GPU

Otros dispositivos con 24 GB