DeskGPU
Español

NVIDIA GeForce RTX 5070: ¿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 5070 tiene 12 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)
12 GB
Tipo de memoria
GDDR7
Ancho del bus de memoria
192 bit
Ancho de banda de memoria
672 GB/s
Potencia de la placa (TDP)
250 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): 8,88 GiB por tarjeta = 12 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 12 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
Trinity-Mini 26,1B (3,1B activos) IQ2_XXS 8,2 GiB 41.216 ≤ 489 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B activos) IQ2_XXS 8,7 GiB 16.640 ≤ 540 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B activos) IQ2_XXS 8,4 GiB 4096 ≤ 571 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B activos) IQ2_XXS 8,1 GiB 15.872 ≤ 359 tok/s Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q2_K 8,3 GiB 11.008 ≤ 94,4 tok/s Cabe
Qwen2.5-14B-Instruct 14,8B Q2_K 8,3 GiB 11.008 ≤ 94,4 tok/s Cabe
ContextPilot-14B 14,8B IQ3_XXS 8,4 GiB 10.752 ≤ 92,7 tok/s Cabe
FrogMini-14B-2510 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 96,8 tok/s Cabe
JanusCoder-14B 14,8B Q2_K 8,0 GiB 13.312 ≤ 98,3 tok/s Cabe
Nemotron-Cascade-14B-Thinking 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 96,8 tok/s Cabe
Nemotron-Terminal-14B 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 96,8 tok/s Cabe
NousCoder-14B 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 96,8 tok/s Cabe
Qwen3-Nemotron-14B-BRRM 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 96,8 tok/s Cabe
WebWorld-14B 14,8B IQ3_XXS 8,1 GiB 12.544 ≤ 96,8 tok/s Cabe
phi-4 14,7B Q2_K 8,3 GiB 11.008 ≤ 94,5 tok/s Cabe
Apriel-1.6-15b-Thinker 14,4B IQ3_XXS 8,2 GiB 11.264 ≤ 94,7 tok/s Cabe
Mistral-Nemo-Instruct-2407 12,2B IQ4_XS 8,8 GiB 8192 ≤ 87,0 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B activos) Q4_0 8,3 GiB 45.824 ≤ 453 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B activos) Q4_0 8,3 GiB 41.728 ≤ 434 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B activos) Q4_0 8,3 GiB 45.824 ≤ 453 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B activos) Q4_0 8,3 GiB 41.728 ≤ 434 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B activos) Q4_0 8,3 GiB 45.824 ≤ 453 tok/s Cabe
gemma-4-12B-it 11,9B Q3_K_M 8,7 GiB 16.128 ≤ 109 tok/s Cabe
gemma-3-12b-it 11,8B Q2_K 8,2 GiB 17.920 ≤ 119 tok/s Cabe
translategemma-12b-it 11,8B Q2_K 8,2 GiB 17.920 ≤ 119 tok/s Cabe
AutoGLM-Phone-9B 9,4B Q5_K_M 8,1 GiB 25.600 ≤ 96,7 tok/s Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q5_K_M 8,1 GiB 25.600 ≤ 96,7 tok/s Cabe
GLM-4.6V-Flash 9,4B Q5_K_M 8,1 GiB 25.600 ≤ 96,7 tok/s Cabe
gemma-2-9b-it 9,2B IQ3_XXS 8,0 GiB 8192 ≤ 114 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B Q5_K_M 8,7 GiB 9216 ≤ 88,8 tok/s Cabe
Fara1.5-9B 9,0B Q6_K 8,7 GiB 13.056 ≤ 94,3 tok/s Cabe
Holo-3.1-9B 9,0B Q6_K 8,4 GiB 22.784 ≤ 99,1 tok/s Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B Q6_K 8,8 GiB 10.240 ≤ 93,1 tok/s Cabe
Qwen3.5-9B 9,0B Q6_K 8,5 GiB 19.968 ≤ 97,7 tok/s Cabe
Qwen3.5-9B-Base 9,0B Q6_K 8,4 GiB 22.784 ≤ 99,1 tok/s Cabe
UI-Mate-9B 9,0B Q6_K 8,7 GiB 13.056 ≤ 94,3 tok/s Cabe
UI-Venus-2-9B 9,0B Q6_K 8,7 GiB 13.056 ≤ 94,3 tok/s Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B Q5_K_M 8,5 GiB 30.208 ≤ 99,5 tok/s Cabe
granite-4.1-8b 8,8B Q5_K_M 8,4 GiB 10.752 ≤ 91,9 tok/s Cabe
granite-4.2-8b 8,8B Q5_K_M 8,4 GiB 10.752 ≤ 91,9 tok/s Cabe
Ministral-3-8B-Instruct-2512 8,5B Q5_K_M 8,0 GiB 14.592 ≤ 98,5 tok/s Cabe
Ministral-3-8B-Reasoning-2512 8,5B Q5_K_M 8,0 GiB 14.592 ≤ 98,5 tok/s Cabe
LFM2.5-8B-A1B 8,5B (1,7B activos) Q6_K 8,2 GiB 56.576 ≤ 451 tok/s Cabe
granite-guardian-4.1-8b 8,4B Q5_K_M 8,4 GiB 10.752 ≤ 91,9 tok/s Cabe
LFM2-8B-A1B 8,3B (1,6B activos) Q6_K 8,1 GiB 63.744 ≤ 486 tok/s Cabe
rnj-1-instruct 8,3B Q5_K_M 8,2 GiB 13.568 ≤ 95,9 tok/s Cabe
AesCode-8B 8,2B Q5_K_M 8,2 GiB 12.544 ≤ 95,8 tok/s Cabe
ArmorOCR 8,2B Q4_K_M 7,1 GiB 20.224 ≤ 114 tok/s Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
JanusCoder-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
MathForm-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Nemotron-Cascade-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Qwen3-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
WebWorld-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
MiniCPM-o-4_5 8,2B Q6_K 8,6 GiB 9984 ≤ 90,6 tok/s Cabe
granite-3.3-8b-instruct 8,2B Q5_K_M 8,3 GiB 11.776 ≤ 94,1 tok/s Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B Q5_K_M 8,3 GiB 11.776 ≤ 94,1 tok/s Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 12.032 ≤ 92,9 tok/s Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 18.176 ≤ 99,9 tok/s Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 13.056 ≤ 96,7 tok/s Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
Fara-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
JanusCoderV-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
olmOCR-2-7B-1025 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
Qwen2.5-VL-7B-Instruct 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 32.256 ≤ 107 tok/s Cabe
gemma-4-E4B 7,5B Q8_0 6,7 GiB 128.256 ≤ 130 tok/s Cabe
gemma-4-E4B-it 7,5B Q8_0 6,9 GiB 119.296 ≤ 126 tok/s Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q6_K 8,5 GiB 10.240 ≤ 91,2 tok/s Cabe
ContextPilot-E4B 7,5B Q8_0 6,6 GiB 131.072 ≤ 131 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B Q2_K 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-Instruct 7,3B Q2_K 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-Think 7,3B Q2_K 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B IQ3_XXS 8,2 GiB 9472 ≤ 124 tok/s Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 14.336 ≤ 97,3 tok/s Cabe
Trinity-Nano-Base 6,1B (819M activos) Q6_K 6,7 GiB 131.072 ≤ 746 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M activos) Q6_K 6,4 GiB 4096 ≤ 798 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M activos) Q8_0 8,1 GiB 56.320 ≤ 612 tok/s Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 152 tok/s Cabe
Holo-3.1-4B 4,8B Q8_0 6,4 GiB 81.408 ≤ 142 tok/s Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 343 tok/s Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 144 tok/s Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 29.440 ≤ 149 tok/s Cabe
CapRL-Qwen3VL-4B 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
Holo2-4B 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 29.440 ≤ 149 tok/s Cabe
Fara1.5-4B 4,2B Q8_0 6,4 GiB 81.152 ≤ 141 tok/s Cabe
FrogNano-4B-2609 4,2B Q8_0 6,4 GiB 81.152 ≤ 141 tok/s Cabe
Qwen3.5-4B 4,2B Q8_0 6,4 GiB 81.408 ≤ 142 tok/s Cabe
Qwen3.5-4B-Base 4,2B Q8_0 6,4 GiB 81.408 ≤ 142 tok/s Cabe
UserRepGen-4B 4,2B Q8_0 6,4 GiB 81.152 ≤ 141 tok/s Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8192 ≤ 140 tok/s Cabe
GELab-Zero-4B-preview 4,0B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
Qwen3-4B-Instruct-2507 4,0B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
Qwen3-VL-4B-Instruct 4,0B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
Qwen3-VL-4B-Thinking 4,0B Q8_0 6,7 GiB 23.040 ≤ 123 tok/s Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 15.872 ≤ 92,5 tok/s Cabe
gemma-3-4b-it 3,9B Q8_0 6,3 GiB 124.928 ≤ 152 tok/s Cabe
medgemma-1.5-4b-it 3,9B Q8_0 6,3 GiB 124.928 ≤ 152 tok/s Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 193 tok/s Cabe
translategemma-4b-it 3,9B Q8_0 6,3 GiB 124.928 ≤ 152 tok/s Cabe
Phi-4-mini-instruct 3,8B Q8_0 6,5 GiB 26.624 ≤ 130 tok/s Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4096 ≤ 209 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 9472 ≤ 93,6 tok/s Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 11.264 ≤ 89,9 tok/s Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 219 tok/s Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 10.496 ≤ 90,4 tok/s Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 8192 ≤ 86,9 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 8192 ≤ 86,9 tok/s Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 11.264 ≤ 89,9 tok/s Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 11.264 ≤ 89,9 tok/s Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 59.136 ≤ 194 tok/s Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 188 tok/s Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB 10.240 ≤ 95,0 tok/s Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB 10.240 ≤ 95,0 tok/s Cabe
tiny-aya-global 3,3B BF16 8,7 GiB 10.240 ≤ 95,0 tok/s Cabe
tiny-aya-water 3,3B BF16 8,7 GiB 10.240 ≤ 95,0 tok/s Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 11.264 ≤ 91,2 tok/s Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 111 tok/s Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 111 tok/s Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 182 tok/s Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 21.248 ≤ 99,5 tok/s Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 215 tok/s Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 127 tok/s Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 122 tok/s Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 128.256 ≤ 122 tok/s Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 286 tok/s Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 122 tok/s Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M activos) Q6_K 3,6 GiB 32.768 ≤ 1093 tok/s Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 127 tok/s Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 127 tok/s Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 127 tok/s Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 72.448 ≤ 139 tok/s Cabe
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB 131.328 ≤ 306 tok/s Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 286 tok/s Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
ZwZ-2B 2,0B F16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 350 tok/s Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 350 tok/s Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 256.512 ≤ 174 tok/s Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 408 tok/s Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
SingGuard-2b 1,7B F16 5,6 GiB 36.608 ≤ 153 tok/s Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 53.504 ≤ 171 tok/s Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4096 ≤ 257 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4096 ≤ 257 tok/s Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 225 tok/s Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 245 tok/s Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 275 tok/s Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 728 tok/s Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 728 tok/s Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 728 tok/s Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 934 tok/s Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 418 tok/s Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 329 tok/s Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 418 tok/s Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 934 tok/s Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 418 tok/s Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 418 tok/s Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 315 tok/s Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 357 tok/s Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 830 tok/s Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 1716 tok/s Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 830 tok/s Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 830 tok/s Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 715 tok/s Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 940 tok/s Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 1180 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1200 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) IQ2_XXS 13,6 GiB Al límite
Kimi-Linear-48B-A3B-Base 49,1B (3,1B activos) IQ2_XXS 14,2 GiB Al límite
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B activos) IQ2_XXS 13,3 GiB Al límite
Hermes-4.3-36B 36,2B IQ2_XXS 12,9 GiB Al límite
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B activos) IQ3_XXS 14,8 GiB Al límite
Holo-3.1-35B-A3B 34,7B (2,9B activos) Q2_K 14,4 GiB Al límite
Holo3-35B-A3B 34,7B (2,9B activos) Q2_K 14,4 GiB Al límite
Holo4-35B-A3B 34,7B (2,9B activos) Q2_K 15,0 GiB Al límite
Ising-Calibration-1-35B-A3B 34,7B (2,9B activos) IQ3_XXS 15,1 GiB Al límite
KAT-Coder-V2.5-Dev 34,7B (2,9B activos) Q2_K 14,1 GiB Al límite
Qwen3.5-35B-A3B-Base 34,7B (2,9B activos) IQ3_XXS 15,0 GiB Al límite
Qwen3.6-35B-A3B 34,7B (2,9B activos) Q2_K 14,1 GiB Al límite
Laguna-XS-2.1 33,4B (2,8B activos) Q2_K 13,8 GiB Al límite
AesCode-32B 32,8B IQ2_XXS 13,6 GiB Al límite
Cosmos-Reason2-32B 32,8B IQ2_M 14,2 GiB Al límite
FrogBoss-32B-2510 32,8B IQ2_M 14,2 GiB Al límite
Nemotron-Terminal-32B 32,8B IQ2_M 14,2 GiB Al límite
SERA-32B 32,8B IQ2_M 14,2 GiB Al límite
WebWorld-32B 32,8B IQ2_M 14,2 GiB Al límite
Olmo-3.1-32B-Instruct 32,2B Q2_K 15,0 GiB Al límite
Olmo-3.1-32B-Instruct-DPO 32,2B IQ3_XXS 15,5 GiB Al límite
Olmo-3.1-32B-Think 32,2B Q2_K 15,0 GiB Al límite
Olmo-3-1125-32B 32,2B IQ3_XXS 15,5 GiB Al límite
Olmo-3-32B-Think 32,2B Q2_K 15,0 GiB Al límite
Olmo-3-32B-Think-DPO 32,2B IQ3_XXS 15,5 GiB Al límite
Olmo-3-32B-Think-SFT 32,2B IQ3_XXS 15,5 GiB Al límite
Ising-Calibration-1.5-31B-BF16 30,7B IQ2_XXS 16,5 GiB Al límite
Holo2-30B-A3B 30,5B (3,0B activos) Q2_K 13,0 GiB Al límite
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B activos) Q2_K 13,0 GiB Al límite
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B activos) Q2_K 13,0 GiB Al límite
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B activos) Q2_K 13,0 GiB Al límite
UI-Venus-1.5-30B-A3B 30,5B (3,0B activos) Q2_K 13,0 GiB Al límite
North-Mini-Code-1.0 30,5B (3,3B activos) IQ3_XXS 15,1 GiB Al límite
GLM-4.7-Flash 29,9B (3,6B activos) Q2_K 12,8 GiB Al límite
granite-4.2-30b 29,3B Q2_K 13,9 GiB Al límite
granite-4.1-30b 28,9B Q2_K 13,9 GiB Al límite
Muse-Glimmer-30B 27,9B Q3_K_M 15,0 GiB Al límite
gemma-2-27b-it 27,2B IQ3_XXS 15,1 GiB Al límite
gemma-3-27b-it 27,0B Q2_K 14,4 GiB Al límite
translategemma-27b-it 27,0B Q2_K 14,4 GiB Al límite
Fara1.5-27B 26,9B IQ3_XXS 14,3 GiB Al límite
Holo4-27B 26,9B Q3_K_M 15,2 GiB Al límite
Qwen3.5-27B 26,9B Q3_K_M 15,3 GiB Al límite
Qwen3.8-27B 26,9B Q3_K_M 14,9 GiB Al límite
Qwen3.8-3.6-27B-blend 26,9B Q3_K_M 14,9 GiB Al límite
UI-Mate-27B 26,9B IQ3_XXS 14,3 GiB Al límite
UI-Mate-democua-27B 26,9B Q3_K_M 15,2 GiB Al límite
gemma-4-26B-A4B 25,2B (3,8B activos) Q2_K 13,0 GiB Al límite
gemma-4-26B-A4B-it 25,2B (3,8B activos) Q3_K_M 15,4 GiB Al límite
LFM2.5-24B-A2B 24,0B (2,5B activos) Q4_0 14,7 GiB Al límite
LFM2-24B-A2B 23,8B (2,3B activos) Q4_0 14,6 GiB Al límite
Devstral-Small-2-24B-Instruct-2512 23,6B IQ4_XS 14,7 GiB Al límite
Mistral-Small-3.2-24B-Instruct-2506 23,6B IQ4_XS 14,7 GiB Al límite
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B activos) Q4_0 14,6 GiB Al límite
EuroLLM-22B-2512 22,6B IQ4_XS 14,7 GiB Al límite
EuroLLM-22B-Instruct-2512 22,6B IQ4_XS 14,7 GiB Al límite
gpt-oss-20b 20,9B (3,6B activos) Q8_0 12,9 GiB Al límite
OptiMind-SFT 20,9B (3,6B activos) Q4_0 13,2 GiB Al límite
Qwen3-14B 14,8B Q6_K 13,9 GiB Al límite
Ministral-3-14B-Instruct-2512 13,5B Q5_K_M 11,6 GiB Al límite
Ministral-3-14B-Reasoning-2512 13,5B Q5_K_M 11,6 GiB Al límite
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B activos) Q8_0 14,0 GiB Al límite
gemma-4-12B 11,9B Q8_0 15,6 GiB Al límite
Bielik-11B-v3.0-Instruct 11,2B Q8_0 14,4 GiB Al límite

Modelos que no caben en una NVIDIA GeForce RTX 5070

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
DeepSeek-R1-Distill-Qwen-32B 32,8B Q2_K 15,2 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen2.5-32B-Instruct 32,8B Q2_K 15,2 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q2_K 15,2 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-VL-32B-Instruct 32,8B Q2_K 15,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3-VL-32B-Thinking 32,8B Q2_K 15,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3.6-27B 26,9B Q3_K_M 15,4 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Qwen3.5-35B-A3B 34,7B (2,9B activos) Q3_K_M 17,6 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
gemma-4-31B 30,7B Q2_K 17,6 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Holotron4-30B-A3B 31,6B (3,2B activos) IQ2_M 18,9 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B activos) IQ2_M 18,9 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B activos) Q2_K 18,9 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B activos) IQ2_M 19,1 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B activos) IQ2_M 19,1 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B activos) IQ4_XS 19,1 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B activos) IQ4_XS 20,0 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-30B-A3B 30,5B (3,0B activos) Q4_K_M 20,1 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
gemma-4-31B-it 30,7B Q3_K_M 20,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Llama-3.1-70B-Instruct 70,6B IQ2_XXS 22,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-Coder-Next-Base 79,7B (3,6B activos) IQ2_XXS 22,3 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3-32B 32,8B Q4_K_M 22,4 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
QwQ-32B 32,8B Q4_K_M 22,5 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. 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 4 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 4 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 5 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 4 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 4 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 5 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 5 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 5 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 5 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 5 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 7 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 6 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 6 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 6 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 6 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 6 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 6 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 7 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 7 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 8 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 7 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 7 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 7 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 7 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 Al límite con 8 tarjetas. No cabe
MiniMax-M2.7 229B (10,4B activos) IQ2_XXS 62,9 GiB Al límite con 8 tarjetas. No cabe
Baichuan-M3-235B 235B (21,6B activos) IQ2_XXS 63,2 GiB Al límite con 8 tarjetas. No cabe
Holo2-235B-A22B 235B (21,6B activos) IQ2_XXS 63,2 GiB Al límite con 8 tarjetas. No cabe
Qwen3-Nemotron-235B-A22B-GenRM 235B (21,6B activos) IQ2_XXS 63,2 GiB Al límite con 8 tarjetas. No cabe
command-a-plus-05-2026-bf16 218B (25,0B activos) IQ2_XXS 63,6 GiB Al límite con 8 tarjetas. No cabe
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 121B (12,2B activos) Q4_0 71,8 GiB Al límite con 8 tarjetas. No cabe
GLM-4.7-REAP-268B-A32B 269B (32,8B activos) IQ2_XXS 73,0 GiB Al límite con 8 tarjetas. No cabe
Step-3.7-Flash 197B (11,5B activos) IQ3_XXS 76,1 GiB Al límite con 8 tarjetas. No cabe
Hy3 295B (20,2B activos) IQ2_XXS 82,2 GiB Al límite con 8 tarjetas. 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 Al límite con 8 tarjetas. No cabe
MiniMax-M2 229B (10,4B activos) Q2_K 84,9 GiB Al límite con 8 tarjetas. No cabe
MiniMax-M2.1 229B (10,4B activos) Q2_K 84,9 GiB Al límite con 8 tarjetas. No cabe
MiniMax-M2.5 229B (10,4B activos) Q2_K 84,9 GiB Al límite con 8 tarjetas. No cabe
Qwen3-235B-A22B-Instruct-2507 235B (21,6B activos) Q2_K 86,7 GiB Al límite con 8 tarjetas. No cabe
Qwen3-VL-235B-A22B-Instruct 235B (21,6B activos) Q2_K 86,7 GiB Al límite con 8 tarjetas. 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 No cabe ni siquiera con 8 tarjetas. No cabe
Intern-S2-397B 396B (16,3B activos) IQ2_XXS 114,3 GiB No cabe ni siquiera con 8 tarjetas. No cabe
MiMo-V2.6-Flash-MOPD 309B (14,8B activos) Q2_K 124,9 GiB No cabe ni siquiera con 8 tarjetas. No cabe
MiMo-V2.6-Flash-RL 309B (14,8B activos) Q2_K 124,9 GiB No cabe ni siquiera con 8 tarjetas. No cabe
K-EXAONE-236B-A23B 237B (22,7B activos) IQ4_XS 126,3 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-4.5 353B (32,9B activos) Q2_K 130,7 GiB No cabe ni siquiera con 8 tarjetas. No cabe
GLM-4.7 353B (32,9B activos) Q2_K 130,7 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Qwen3-Coder-REAP-363B-A35B 363B (34,5B activos) Q2_K 132,7 GiB No cabe ni siquiera con 8 tarjetas. No cabe
Qwen3-235B-A22B 235B (21,6B activos) Q4_K_M 141,9 GiB No cabe ni siquiera 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

Páginas detalladas de esta GPU

Otros dispositivos con 12 GB