DeskGPU
Español

NVIDIA GeForce RTX 4080: ¿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 4080 tiene 16 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)
16 GB
Tipo de memoria
GDDR6X
Ancho del bus de memoria
256 bit
Ancho de banda de memoria
717 GB/s
Potencia de la placa (TDP)
320 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): 12,88 GiB por tarjeta = 16 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 16 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
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B activos) IQ2_M 12,8 GiB 14.848 ≤ 539 tok/s Cabe
Holo4-35B-A3B 34,7B (2,9B activos) IQ2_XXS 12,0 GiB 48.640 ≤ 418 tok/s Cabe
Ising-Calibration-1-35B-A3B 34,7B (2,9B activos) IQ2_XXS 11,1 GiB 89.600 ≤ 517 tok/s Cabe
KAT-Coder-V2.5-Dev 34,7B (2,9B activos) IQ2_XXS 11,3 GiB 77.056 ≤ 435 tok/s Cabe
Qwen3.5-35B-A3B-Base 34,7B (2,9B activos) IQ2_XXS 10,9 GiB 96.512 ≤ 581 tok/s Cabe
Qwen3.6-35B-A3B 34,7B (2,9B activos) IQ2_XXS 11,3 GiB 77.056 ≤ 435 tok/s Cabe
Laguna-XS-2.1 33,4B (2,8B activos) IQ2_XXS 11,1 GiB 50.944 ≤ 393 tok/s Cabe
Cosmos-Reason2-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Cabe
FrogBoss-32B-2510 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Cabe
Nemotron-Terminal-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Cabe
SERA-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Cabe
WebWorld-32B 32,8B IQ2_XXS 12,0 GiB 11.264 ≤ 65,7 tok/s Cabe
Olmo-3.1-32B-Instruct-DPO 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Cabe
Olmo-3-1125-32B 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Cabe
Olmo-3-32B-Think-DPO 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Cabe
Olmo-3-32B-Think-SFT 32,2B IQ2_XXS 11,8 GiB 12.032 ≤ 72,2 tok/s Cabe
North-Mini-Code-1.0 30,5B (3,3B activos) IQ2_M 12,7 GiB 9728 ≤ 337 tok/s Cabe
GLM-4.7-Flash 29,9B (3,6B activos) Q2_K 12,8 GiB 9984 ≤ 319 tok/s Cabe
Muse-Glimmer-30B 27,9B IQ3_XXS 12,6 GiB 24.576 ≤ 64,3 tok/s Cabe
Fara1.5-27B 26,9B IQ2_M 12,5 GiB 13.312 ≤ 67,6 tok/s Cabe
Holo4-27B 26,9B Q2_K 12,7 GiB 10.240 ≤ 66,3 tok/s Cabe
Qwen3.8-27B 26,9B Q2_K 12,5 GiB 14.080 ≤ 67,9 tok/s Cabe
Qwen3.8-3.6-27B-blend 26,9B Q2_K 12,5 GiB 14.080 ≤ 67,9 tok/s Cabe
UI-Mate-27B 26,9B IQ2_M 12,5 GiB 13.312 ≤ 67,6 tok/s Cabe
UI-Mate-democua-27B 26,9B Q2_K 12,7 GiB 10.240 ≤ 66,3 tok/s Cabe
Trinity-Mini 26,1B (3,1B activos) IQ3_XXS 12,1 GiB 48.640 ≤ 408 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B activos) IQ3_XXS 11,8 GiB 68.096 ≤ 459 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B activos) IQ3_XXS 11,5 GiB 4096 ≤ 480 tok/s Cabe
gemma-4-26B-A4B-it 25,2B (3,8B activos) IQ2_XXS 12,1 GiB 43.520 ≤ 313 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B activos) IQ3_XXS 11,8 GiB 19.200 ≤ 318 tok/s Cabe
Devstral-Small-2-24B-Instruct-2512 23,6B Q2_K 11,1 GiB 18.944 ≤ 71,7 tok/s Cabe
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q2_K 11,1 GiB 18.944 ≤ 71,7 tok/s Cabe
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B activos) Q3_K_M 12,7 GiB 11.776 ≤ 287 tok/s Cabe
EuroLLM-22B-2512 22,6B IQ3_XXS 11,5 GiB 14.336 ≤ 68,8 tok/s Cabe
EuroLLM-22B-Instruct-2512 22,6B IQ3_XXS 11,5 GiB 14.336 ≤ 68,8 tok/s Cabe
gpt-oss-20b 20,9B (3,6B activos) Q6_K 12,8 GiB 9728 ≤ 265 tok/s Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q5_K_M 12,7 GiB 9216 ≤ 61,9 tok/s Cabe
Qwen2.5-14B-Instruct 14,8B Q5_K_M 12,7 GiB 9216 ≤ 61,9 tok/s Cabe
ContextPilot-14B 14,8B Q5_K_M 12,6 GiB 9472 ≤ 62,1 tok/s Cabe
FrogMini-14B-2510 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
JanusCoder-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
Nemotron-Cascade-14B-Thinking 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
Nemotron-Terminal-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
NousCoder-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
Qwen3-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
Qwen3-Nemotron-14B-BRRM 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
WebWorld-14B 14,8B Q5_K_M 12,4 GiB 11.008 ≤ 63,4 tok/s Cabe
phi-4 14,7B Q5_K_M 12,8 GiB 8448 ≤ 61,1 tok/s Cabe
Apriel-1.6-15b-Thinker 14,4B Q5_K_M 12,5 GiB 10.240 ≤ 62,8 tok/s Cabe
Ministral-3-14B-Instruct-2512 13,5B Q5_K_M 11,6 GiB 16.128 ≤ 68,3 tok/s Cabe
Ministral-3-14B-Reasoning-2512 13,5B Q5_K_M 11,6 GiB 16.128 ≤ 68,3 tok/s Cabe
Mistral-Nemo-Instruct-2407 12,2B Q6_K 11,9 GiB 14.080 ≤ 66,1 tok/s Cabe
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B activos) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B activos) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B activos) Q6_K 12,2 GiB 50.688 ≤ 324 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B activos) Q6_K 12,2 GiB 50.688 ≤ 324 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 57.600 ≤ 341 tok/s Cabe
gemma-4-12B-it 11,9B Q6_K 12,7 GiB 15.360 ≤ 70,0 tok/s Cabe
gemma-3-12b-it 11,8B Q5_K_M 11,8 GiB 23.808 ≤ 77,0 tok/s Cabe
translategemma-12b-it 11,8B Q5_K_M 11,8 GiB 23.808 ≤ 77,0 tok/s Cabe
Bielik-11B-v3.0-Instruct 11,2B Q6_K 11,8 GiB 13.312 ≤ 66,8 tok/s Cabe
AutoGLM-Phone-9B 9,4B Q8_0 10,8 GiB 57.344 ≤ 74,2 tok/s Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 88,7 tok/s Cabe
GLM-4.6V-Flash 9,4B Q8_0 10,8 GiB 57.344 ≤ 74,2 tok/s Cabe
gemma-2-9b-it 9,2B Q6_K 12,0 GiB 8192 ≤ 72,3 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B Q8_0 11,6 GiB 15.360 ≤ 67,8 tok/s Cabe
Fara1.5-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Cabe
Holo-3.1-9B 9,0B Q8_0 10,3 GiB 84.736 ≤ 82,4 tok/s Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Cabe
Qwen3.5-9B 9,0B Q8_0 10,3 GiB 84.736 ≤ 82,4 tok/s Cabe
Qwen3.5-9B-Base 9,0B Q8_0 10,3 GiB 84.736 ≤ 82,4 tok/s Cabe
UI-Mate-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Cabe
UI-Venus-2-9B 9,0B Q8_0 10,3 GiB 84.224 ≤ 82,2 tok/s Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B Q8_0 10,6 GiB 131.072 ≤ 80,0 tok/s Cabe
granite-4.1-8b 8,8B Q8_0 11,3 GiB 17.664 ≤ 70,0 tok/s Cabe
granite-4.2-8b 8,8B Q8_0 11,3 GiB 17.664 ≤ 70,0 tok/s Cabe
Ministral-3-8B-Instruct-2512 8,5B Q8_0 10,7 GiB 23.808 ≤ 74,8 tok/s Cabe
Ministral-3-8B-Reasoning-2512 8,5B Q8_0 10,7 GiB 23.808 ≤ 74,8 tok/s Cabe
LFM2.5-8B-A1B 8,5B (1,7B activos) Q8_0 10,2 GiB 128.000 ≤ 378 tok/s Cabe
granite-guardian-4.1-8b 8,4B Q8_0 11,3 GiB 17.664 ≤ 70,0 tok/s Cabe
LFM2-8B-A1B 8,3B (1,6B activos) Q8_0 10,1 GiB 128.000 ≤ 407 tok/s Cabe
rnj-1-instruct 8,3B Q8_0 11,0 GiB 22.528 ≤ 72,4 tok/s Cabe
AesCode-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
ArmorOCR 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
JanusCoder-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
MathForm-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Nemotron-Cascade-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
Qwen3-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
WebWorld-8B 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 37.376 ≤ 96,7 tok/s Cabe
MiniCPM-o-4_5 8,2B Q8_0 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
granite-3.3-8b-instruct 8,2B Q8_0 11,1 GiB 18.944 ≤ 71,5 tok/s Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B Q8_0 11,1 GiB 18.944 ≤ 71,5 tok/s Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B Q8_0 10,2 GiB 28.928 ≤ 79,2 tok/s Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 42.496 ≤ 99,2 tok/s Cabe
Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 42.496 ≤ 99,2 tok/s Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 58.880 ≤ 107 tok/s Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 40.448 ≤ 103 tok/s Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Cabe
Fara-7B 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 114 tok/s Cabe
JanusCoderV-7B 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Cabe
olmOCR-2-7B-1025 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Cabe
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 89,8 tok/s Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 89,8 tok/s Cabe
Qwen2.5-VL-7B-Instruct 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B Q8_0 9,1 GiB 72.192 ≤ 89,8 tok/s Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 100.864 ≤ 114 tok/s Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 100.864 ≤ 114 tok/s Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 100.864 ≤ 114 tok/s Cabe
gemma-4-E4B 7,5B F16 11,0 GiB 111.872 ≤ 75,0 tok/s Cabe
gemma-4-E4B-it 7,5B BF16 11,0 GiB 111.872 ≤ 75,0 tok/s Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 24.320 ≤ 78,4 tok/s Cabe
ContextPilot-E4B 7,5B F16 10,9 GiB 118.016 ≤ 75,9 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B Q8_0 12,7 GiB 8448 ≤ 71,7 tok/s Cabe
Olmo-3-7B-Instruct 7,3B Q8_0 12,7 GiB 8448 ≤ 71,7 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-Think 7,3B Q8_0 12,7 GiB 8448 ≤ 71,7 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 11.520 ≤ 86,0 tok/s Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 104 tok/s Cabe
Trinity-Nano-Base 6,1B (819M activos) Q6_K 6,7 GiB 131.072 ≤ 796 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M activos) Q6_K 6,4 GiB 4096 ≤ 852 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M activos) Q8_0 8,1 GiB 131.072 ≤ 654 tok/s Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 162 tok/s Cabe
Holo-3.1-4B 4,8B F16 10,2 GiB 85.504 ≤ 82,6 tok/s Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 366 tok/s Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 154 tok/s Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 56.832 ≤ 159 tok/s Cabe
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Holo2-4B 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 56.832 ≤ 159 tok/s Cabe
Fara1.5-4B 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Cabe
FrogNano-4B-2609 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Cabe
Qwen3.5-4B 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Cabe
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 85.504 ≤ 82,6 tok/s Cabe
UserRepGen-4B 4,2B BF16 10,2 GiB 85.504 ≤ 82,6 tok/s Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8192 ≤ 150 tok/s Cabe
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 131 tok/s Cabe
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 25.088 ≤ 77,5 tok/s Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 237.312 ≤ 98,7 tok/s Cabe
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 89,1 tok/s Cabe
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 89,1 tok/s Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 206 tok/s Cabe
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 89,1 tok/s Cabe
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 30.208 ≤ 82,0 tok/s Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4096 ≤ 223 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 19.712 ≤ 99,9 tok/s Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 59.904 ≤ 95,9 tok/s Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 233 tok/s Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 96,4 tok/s Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 45.824 ≤ 92,7 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 45.824 ≤ 92,7 tok/s Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 59.904 ≤ 95,9 tok/s Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 59.904 ≤ 95,9 tok/s Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 107.776 ≤ 207 tok/s Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 200 tok/s Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Cabe
tiny-aya-global 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Cabe
tiny-aya-water 3,3B BF16 8,7 GiB 190.720 ≤ 101 tok/s Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 46.336 ≤ 97,3 tok/s Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 118 tok/s Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 118 tok/s Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 195 tok/s Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 106 tok/s Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 229 tok/s Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 136 tok/s Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 130 tok/s Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 130 tok/s Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 305 tok/s Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 130 tok/s Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M activos) Q6_K 3,6 GiB 32.768 ≤ 1166 tok/s Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 136 tok/s Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 136 tok/s Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 136 tok/s Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 148 tok/s Cabe
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB 221.696 ≤ 326 tok/s Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 71.424 ≤ 164 tok/s Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 305 tok/s Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 71.424 ≤ 164 tok/s Cabe
ZwZ-2B 2,0B F16 5,6 GiB 71.424 ≤ 164 tok/s Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 373 tok/s Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 373 tok/s Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 185 tok/s Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 436 tok/s Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 164 tok/s Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 71.424 ≤ 164 tok/s Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 71.424 ≤ 164 tok/s Cabe
SingGuard-2b 1,7B F16 5,6 GiB 71.424 ≤ 164 tok/s Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 102.144 ≤ 182 tok/s Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4096 ≤ 274 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4096 ≤ 274 tok/s Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 240 tok/s Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 262 tok/s Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 294 tok/s Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 776 tok/s Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 776 tok/s Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 776 tok/s Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 997 tok/s Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 446 tok/s Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 351 tok/s Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 446 tok/s Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 997 tok/s Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 446 tok/s Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 446 tok/s Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 336 tok/s Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 381 tok/s Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 885 tok/s Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 1831 tok/s Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 885 tok/s Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 885 tok/s Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 763 tok/s Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 1003 tok/s Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 1259 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1280 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
AI21-Jamba2-Mini 51,6B (11,8B activos) Q2_K 19,0 GiB Al límite
Kimi-Linear-48B-A3B-Base 49,1B (3,1B activos) Q2_K 19,1 GiB Al límite
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B activos) Q2_K 18,6 GiB Al límite
Hermes-4.3-36B 36,2B IQ3_XXS 16,9 GiB Al límite
Holo-3.1-35B-A3B 34,7B (2,9B activos) Q3_K_M 18,1 GiB Al límite
Holo3-35B-A3B 34,7B (2,9B activos) Q3_K_M 18,1 GiB Al límite
Qwen3.5-35B-A3B 34,7B (2,9B activos) Q3_K_M 17,6 GiB Al límite
DeepSeek-R1-Distill-Qwen-32B 32,8B Q3_K_M 18,7 GiB Al límite
Qwen2.5-32B-Instruct 32,8B Q3_K_M 18,7 GiB Al límite
Qwen2.5-Coder-32B-Instruct 32,8B Q3_K_M 18,7 GiB Al límite
AesCode-32B 32,8B Q3_K_M 19,3 GiB Al límite
Qwen3-VL-32B-Instruct 32,8B Q3_K_M 18,8 GiB Al límite
Qwen3-VL-32B-Thinking 32,8B Q3_K_M 18,8 GiB Al límite
Olmo-3.1-32B-Instruct 32,2B IQ4_XS 20,1 GiB Al límite
Olmo-3.1-32B-Think 32,2B IQ4_XS 20,1 GiB Al límite
Olmo-3-32B-Think 32,2B IQ4_XS 20,1 GiB Al límite
Holotron4-30B-A3B 31,6B (3,2B activos) Q4_0 19,0 GiB Al límite
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B activos) Q4_0 19,2 GiB Al límite
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B activos) Q4_0 19,0 GiB Al límite
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,3 GiB Al límite
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,2 GiB Al límite
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B activos) Q4_0 19,0 GiB Al límite
gemma-4-31B 30,7B Q3_K_M 20,9 GiB Al límite
gemma-4-31B-it 30,7B IQ4_XS 21,9 GiB Al límite
Ising-Calibration-1.5-31B-BF16 30,7B Q3_K_M 21,5 GiB Al límite
Holo2-30B-A3B 30,5B (3,0B activos) IQ4_XS 18,2 GiB Al límite
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B activos) Q4_0 19,0 GiB Al límite
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B activos) Q4_0 19,0 GiB Al límite
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B activos) Q4_0 19,0 GiB Al límite
UI-Venus-1.5-30B-A3B 30,5B (3,0B activos) IQ4_XS 18,2 GiB Al límite
granite-4.2-30b 29,3B Q4_0 19,4 GiB Al límite
granite-4.1-30b 28,9B Q4_0 19,4 GiB Al límite
gemma-2-27b-it 27,2B IQ4_XS 19,1 GiB Al límite
gemma-3-27b-it 27,0B Q4_K_M 20,3 GiB Al límite
translategemma-27b-it 27,0B Q4_K_M 20,3 GiB Al límite
Qwen3.5-27B 26,9B Q4_K_M 18,4 GiB Al límite
Qwen3.6-27B 26,9B Q4_K_M 18,4 GiB Al límite
gemma-4-26B-A4B 25,2B (3,8B activos) Q4_K_M 19,1 GiB Al límite
LFM2.5-24B-A2B 24,0B (2,5B activos) Q5_K_M 18,1 GiB Al límite
LFM2-24B-A2B 23,8B (2,3B activos) Q5_K_M 18,0 GiB Al límite
OptiMind-SFT 20,9B (3,6B activos) Q5_K_M 17,8 GiB Al límite
gemma-4-12B 11,9B Q8_0 15,6 GiB Al límite

Modelos que no caben en una NVIDIA GeForce RTX 4080

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
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,0 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Llama-3.1-70B-Instruct 70,6B IQ2_XXS 22,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-Coder-Next-Base 79,7B (3,6B activos) IQ2_XXS 22,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-32B 32,8B Q4_K_M 22,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
QwQ-32B 32,8B Q4_K_M 22,5 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B activos) Q4_K_M 23,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Solar-Open-100B 103B (11,2B activos) IQ2_XXS 29,4 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
DeepSeek-R1-Distill-Llama-70B 70,6B Q2_K 29,4 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Llama-3.3-70B-Instruct 70,6B Q2_K 29,4 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B activos) Q2_K 30,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-Coder-Next 79,7B (3,6B activos) Q2_K 30,4 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B activos) IQ2_XXS 31,1 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B activos) IQ2_XXS 32,9 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Mistral-Small-4-119B-2603 119B (6,1B activos) IQ2_XXS 34,3 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3.5-122B-A10B 122B (9,0B activos) IQ2_XXS 35,0 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen-AgentWorld-35B-A3B 34,7B (2,9B activos) Q8_0 37,6 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiniMax-M2.5-REAP-139B-A10B 139B (10,4B activos) IQ2_XXS 39,2 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
INTELLECT-3 107B (12,8B activos) IQ2_XXS 39,6 GiB Se espera que quepa en 4 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Step-3.5-Flash-REAP-149B-A11B 149B (11,4B activos) IQ2_XXS 40,1 GiB Se espera que quepa en 4 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 4 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 5 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 5 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 5 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 5 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 5 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 5 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 5 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 7 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 6 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 6 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 6 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 6 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 7 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 7 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 7 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 8 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 8 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 Al límite con 8 tarjetas. No cabe
GLM-4.7-REAP-218B-A32B 218B (32,8B activos) Q2_K 82,9 GiB Se espera que quepa en 8 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 8 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 8 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 8 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 8 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 8 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 Al límite con 8 tarjetas. 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 Al límite con 8 tarjetas. No cabe
Trinity-Large-TrueBase 399B (12,8B activos) IQ2_XXS 96,4 GiB Al límite con 8 tarjetas. No cabe
GLM-4.6-REAP-268B-A32B 269B (32,8B activos) Q2_K 100,9 GiB Al límite con 8 tarjetas. No cabe
Trinity-Large-Thinking 399B (12,8B activos) IQ2_XXS 107,1 GiB Al límite con 8 tarjetas. No cabe
MiMo-V2-Flash 309B (14,8B activos) Q2_K 111,6 GiB Al límite con 8 tarjetas. No cabe
Intern-S2-397B 396B (16,3B activos) IQ2_XXS 114,3 GiB Al límite con 8 tarjetas. No cabe
MiMo-V2.6-Flash-MOPD 309B (14,8B activos) Q2_K 124,9 GiB Al límite con 8 tarjetas. No cabe
MiMo-V2.6-Flash-RL 309B (14,8B activos) Q2_K 124,9 GiB Al límite con 8 tarjetas. No cabe
K-EXAONE-236B-A23B 237B (22,7B activos) IQ4_XS 126,3 GiB Al límite con 8 tarjetas. No cabe
GLM-4.5 353B (32,9B activos) Q2_K 130,7 GiB Al límite con 8 tarjetas. No cabe
GLM-4.7 353B (32,9B activos) Q2_K 130,7 GiB Al límite con 8 tarjetas. No cabe
Qwen3-Coder-REAP-363B-A35B 363B (34,5B activos) Q2_K 132,7 GiB Al límite con 8 tarjetas. No cabe
Qwen3-235B-A22B 235B (21,6B activos) Q4_K_M 141,9 GiB Al límite con 8 tarjetas. No cabe
Qwen3-Coder-480B-A35B-Instruct 480B (34,5B activos) Q2_K 174,3 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Qwen3.5-397B-A17B 396B (16,3B activos) Q3_K_M 175,6 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-5.1 744B (40,8B activos) IQ2_XXS 197,6 GiB No cabe ni siquiera 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 16 GB