DeskGPU
Español

NVIDIA GeForce RTX 5090: ¿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 5090 tiene 32 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)
32 GB
Tipo de memoria
GDDR7
Ancho del bus de memoria
512 bit
Ancho de banda de memoria
1792 GB/s
Potencia de la placa (TDP)
575 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): 29,25 GiB por tarjeta = 32 GiB nominales − 659 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 32.109 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 32 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
Qwen3-Coder-Next-Base 79,7B (3,6B activos) IQ2_M 27,2 GiB 85.248 ≤ 1076 tok/s Cabe
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB 10.240 ≤ 64,6 tok/s Cabe
Llama-3.1-70B-Instruct 70,6B IQ2_M 27,1 GiB 14.592 ≤ 68,0 tok/s Cabe
AI21-Jamba2-Mini 51,6B (11,8B activos) IQ4_XS 28,3 GiB 59.904 ≤ 274 tok/s Cabe
Kimi-Linear-48B-A3B-Base 49,1B (3,1B activos) Q4_0 28,7 GiB 64.256 ≤ 909 tok/s Cabe
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B activos) IQ4_XS 27,3 GiB 201.984 ≤ 862 tok/s Cabe
Hermes-4.3-36B 36,2B Q5_K_M 28,0 GiB 13.056 ≤ 65,9 tok/s Cabe
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B activos) Q5_K_M 25,8 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 766 tok/s Cabe
Holo-3.1-35B-A3B 34,7B (2,9B activos) Q5_K_M 25,8 GiB 163.072 ≤ 749 tok/s Cabe
Holo3-35B-A3B 34,7B (2,9B activos) Q5_K_M 25,8 GiB 163.072 ≤ 749 tok/s Cabe
Holo4-35B-A3B 34,7B (2,9B activos) Q5_K_M 27,9 GiB 71.424 ≤ 585 tok/s Cabe
Ising-Calibration-1-35B-A3B 34,7B (2,9B activos) Q5_K_M 25,8 GiB 163.072 ≤ 749 tok/s Cabe
KAT-Coder-V2.5-Dev 34,7B (2,9B activos) Q5_K_M 26,1 GiB 150.272 ≤ 669 tok/s Cabe
Qwen3.5-35B-A3B 34,7B (2,9B activos) Q5_K_M 27,1 GiB 103.936 ≤ 591 tok/s Cabe
Qwen3.5-35B-A3B-Base 34,7B (2,9B activos) Q5_K_M 25,9 GiB 161.536 ≤ 738 tok/s Cabe
Qwen3.6-35B-A3B 34,7B (2,9B activos) Q5_K_M 26,1 GiB 150.272 ≤ 669 tok/s Cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B activos) Q5_K_M 25,8 GiB 163.072 ≤ 749 tok/s Cabe
Laguna-XS-2.1 33,4B (2,8B activos) Q5_K_M 25,3 GiB 101.376 ≤ 667 tok/s Cabe
DeepSeek-R1-Distill-Qwen-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
Qwen2.5-32B-Instruct 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
QwQ-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
AesCode-32B 32,8B Q5_K_M 26,2 GiB 19.712 ≤ 70,5 tok/s Cabe
Cosmos-Reason2-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
FrogBoss-32B-2510 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
Nemotron-Terminal-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
Qwen3-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
Qwen3-VL-32B-Instruct 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
Qwen3-VL-32B-Thinking 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
SERA-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
WebWorld-32B 32,8B Q6_K 29,2 GiB 8448 ≤ 63,1 tok/s Cabe
EXAONE-4.5-33B 32,5B Q6_K 29,0 GiB 9216 ≤ 65,4 tok/s Cabe
Olmo-3.1-32B-Instruct 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Olmo-3.1-32B-Instruct-DPO 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Olmo-3.1-32B-Think 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Olmo-3-1125-32B 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Olmo-3-32B-Think 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Olmo-3-32B-Think-DPO 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Olmo-3-32B-Think-SFT 32,2B Q6_K 28,9 GiB 9472 ≤ 65,5 tok/s Cabe
Holotron4-30B-A3B 31,6B (3,2B activos) Q5_K_M 26,8 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 657 tok/s Cabe
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B activos) Q4_K_M 23,3 GiB 262.144 ≤ 603 tok/s Cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B activos) Q5_K_M 27,0 GiB 262.144 ≤ 618 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B activos) Q5_K_M 26,6 GiB 262.144 ≤ 660 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B activos) Q5_K_M 27,0 GiB 262.144 ≤ 618 tok/s Cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B activos) Q5_K_M 26,9 GiB 262.144 ≤ 632 tok/s Cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B activos) Q5_K_M 26,8 GiB 262.144 ≤ 657 tok/s Cabe
gemma-4-31B 30,7B Q5_K_M 27,3 GiB 31.744 ≤ 76,8 tok/s Cabe
gemma-4-31B-it 30,7B Q5_K_M 27,1 GiB 33.792 ≤ 77,4 tok/s Cabe
Ising-Calibration-1.5-31B-BF16 30,7B Q5_K_M 28,1 GiB 22.528 ≤ 74,3 tok/s Cabe
Holo2-30B-A3B 30,5B (3,0B activos) Q6_K 26,5 GiB 36.608 ≤ 536 tok/s Cabe
Qwen3-30B-A3B 30,5B (3,0B activos) Q6_K 26,5 GiB 36.608 ≤ 536 tok/s Cabe
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B activos) Q6_K 26,5 GiB 36.608 ≤ 536 tok/s Cabe
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B activos) Q6_K 26,5 GiB 36.608 ≤ 536 tok/s Cabe
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B activos) Q6_K 26,5 GiB 36.608 ≤ 536 tok/s Cabe
UI-Venus-1.5-30B-A3B 30,5B (3,0B activos) Q6_K 26,5 GiB 36.608 ≤ 536 tok/s Cabe
North-Mini-Code-1.0 30,5B (3,3B activos) Q6_K 28,2 GiB 20.992 ≤ 509 tok/s Cabe
GLM-4.7-Flash 29,9B (3,6B activos) Q6_K 25,7 GiB 72.448 ≤ 512 tok/s Cabe
granite-4.2-30b 29,3B Q6_K 26,6 GiB 18.176 ≤ 69,4 tok/s Cabe
granite-4.1-30b 28,9B Q6_K 26,6 GiB 18.176 ≤ 69,4 tok/s Cabe
Muse-Glimmer-30B 27,9B Q6_K 23,7 GiB 131.072 ≤ 79,7 tok/s Cabe
gemma-2-27b-it 27,2B Q6_K 26,5 GiB 8192 ≤ 72,7 tok/s Cabe
gemma-3-27b-it 27,0B Q6_K 25,9 GiB 49.152 ≤ 77,0 tok/s Cabe
translategemma-27b-it 27,0B Q6_K 25,9 GiB 49.152 ≤ 77,0 tok/s Cabe
Fara1.5-27B 26,9B Q6_K 24,4 GiB 81.408 ≤ 78,9 tok/s Cabe
Holo4-27B 26,9B Q6_K 23,3 GiB 98.304 ≤ 83,1 tok/s Cabe
Qwen3.5-27B 26,9B Q6_K 23,6 GiB 92.672 ≤ 81,7 tok/s Cabe
Qwen3.6-27B 26,9B Q6_K 23,7 GiB 91.648 ≤ 81,4 tok/s Cabe
Qwen3.8-27B 26,9B Q6_K 24,8 GiB 75.520 ≤ 77,6 tok/s Cabe
Qwen3.8-3.6-27B-blend 26,9B Q6_K 24,8 GiB 75.520 ≤ 77,6 tok/s Cabe
UI-Mate-27B 26,9B Q6_K 24,4 GiB 81.408 ≤ 78,9 tok/s Cabe
UI-Mate-democua-27B 26,9B Q6_K 23,3 GiB 98.304 ≤ 83,1 tok/s Cabe
Trinity-Mini 26,1B (3,1B activos) Q8_0 28,8 GiB 33.280 ≤ 510 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B activos) Q6_K 22,7 GiB 131.072 ≤ 646 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B activos) Q6_K 22,4 GiB 4096 ≤ 662 tok/s Cabe
gemma-4-26B-A4B 25,2B (3,8B activos) Q8_0 29,0 GiB 21.248 ≤ 401 tok/s Cabe
gemma-4-26B-A4B-it 25,2B (3,8B activos) Q8_0 29,0 GiB 21.248 ≤ 401 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B activos) Q8_0 27,7 GiB 23.552 ≤ 441 tok/s Cabe
LFM2.5-24B-A2B 24,0B (2,5B activos) Q8_0 26,4 GiB 131.072 ≤ 642 tok/s Cabe
LFM2-24B-A2B 23,8B (2,3B activos) Q8_0 26,3 GiB 128.000 ≤ 675 tok/s Cabe
Devstral-Small-2-24B-Instruct-2512 23,6B Q8_0 26,5 GiB 25.344 ≤ 69,8 tok/s Cabe
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q8_0 26,5 GiB 25.344 ≤ 69,8 tok/s Cabe
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B activos) Q8_0 25,4 GiB 78.080 ≤ 421 tok/s Cabe
EuroLLM-22B-2512 22,6B Q6_K 20,6 GiB 32.768 ≤ 90,8 tok/s Cabe
EuroLLM-22B-Instruct-2512 22,6B Q8_0 25,8 GiB 23.808 ≤ 71,6 tok/s Cabe
gpt-oss-20b 20,9B (3,6B activos) Q8_0 12,9 GiB 131.072 ≤ 645 tok/s Cabe
OptiMind-SFT 20,9B (3,6B activos) Q6_K 22,8 GiB 131.072 ≤ 450 tok/s Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q8_0 17,5 GiB 68.608 ≤ 109 tok/s Cabe
Qwen2.5-14B-Instruct 14,8B Q8_0 17,5 GiB 32.768 ≤ 109 tok/s Cabe
ContextPilot-14B 14,8B Q8_0 17,2 GiB 40.960 ≤ 111 tok/s Cabe
FrogMini-14B-2510 14,8B Q6_K 13,9 GiB 40.960 ≤ 140 tok/s Cabe
JanusCoder-14B 14,8B Q8_0 17,2 GiB 32.768 ≤ 111 tok/s Cabe
Nemotron-Cascade-14B-Thinking 14,8B Q8_0 17,2 GiB 32.768 ≤ 111 tok/s Cabe
Nemotron-Terminal-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 140 tok/s Cabe
NousCoder-14B 14,8B Q8_0 17,2 GiB 81.920 ≤ 111 tok/s Cabe
Qwen3-14B 14,8B Q8_0 17,2 GiB 40.960 ≤ 111 tok/s Cabe
Qwen3-Nemotron-14B-BRRM 14,8B Q6_K 13,9 GiB 40.960 ≤ 140 tok/s Cabe
WebWorld-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 140 tok/s Cabe
phi-4 14,7B Q8_0 17,7 GiB 16.384 ≤ 107 tok/s Cabe
Apriel-1.6-15b-Thinker 14,4B Q8_0 17,2 GiB 69.888 ≤ 110 tok/s Cabe
Ministral-3-14B-Instruct-2512 13,5B BF16 27,8 GiB 17.152 ≤ 66,3 tok/s Cabe
Ministral-3-14B-Reasoning-2512 13,5B BF16 27,8 GiB 17.152 ≤ 66,3 tok/s Cabe
Mistral-Nemo-Instruct-2407 12,2B F16 25,3 GiB 32.512 ≤ 73,2 tok/s Cabe
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B activos) BF16 25,0 GiB 131.072 ≤ 390 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 853 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B activos) BF16 25,0 GiB 131.072 ≤ 390 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 853 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B activos) BF16 25,0 GiB 131.072 ≤ 390 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B activos) Q6_K 12,1 GiB 131.072 ≤ 853 tok/s Cabe
gemma-4-12B 11,9B BF16 26,5 GiB 159.488 ≤ 73,8 tok/s Cabe
gemma-4-12B-it 11,9B BF16 26,5 GiB 159.488 ≤ 73,8 tok/s Cabe
gemma-3-12b-it 11,8B BF16 26,6 GiB 47.616 ≤ 73,4 tok/s Cabe
translategemma-12b-it 11,8B Q8_0 15,8 GiB 131.072 ≤ 134 tok/s Cabe
Bielik-11B-v3.0-Instruct 11,2B BF16 24,6 GiB 31.232 ≤ 75,4 tok/s Cabe
AutoGLM-Phone-9B 9,4B F16 18,9 GiB 65.536 ≤ 100 tok/s Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 222 tok/s Cabe
GLM-4.6V-Flash 9,4B BF16 18,9 GiB 131.072 ≤ 100 tok/s Cabe
gemma-2-9b-it 9,2B Q8_0 14,8 GiB 8192 ≤ 140 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B F16 19,6 GiB 32.768 ≤ 96,0 tok/s Cabe
Fara1.5-9B 9,0B BF16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
Holo-3.1-9B 9,0B F16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B BF16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
Qwen3.5-9B 9,0B BF16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
Qwen3.5-9B-Base 9,0B F16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
UI-Mate-9B 9,0B BF16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
UI-Venus-2-9B 9,0B BF16 17,5 GiB 262.144 ≤ 111 tok/s Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B BF16 18,3 GiB 131.072 ≤ 107 tok/s Cabe
granite-4.1-8b 8,8B BF16 19,0 GiB 70.912 ≤ 99,0 tok/s Cabe
granite-4.2-8b 8,8B BF16 19,0 GiB 70.912 ≤ 99,0 tok/s Cabe
Ministral-3-8B-Instruct-2512 8,5B BF16 18,0 GiB 89.344 ≤ 105 tok/s Cabe
Ministral-3-8B-Reasoning-2512 8,5B BF16 18,0 GiB 89.344 ≤ 105 tok/s Cabe
LFM2.5-8B-A1B 8,5B (1,7B activos) BF16 18,0 GiB 128.000 ≤ 516 tok/s Cabe
granite-guardian-4.1-8b 8,4B BF16 19,0 GiB 70.912 ≤ 99,0 tok/s Cabe
LFM2-8B-A1B 8,3B (1,6B activos) F16 17,7 GiB 128.000 ≤ 557 tok/s Cabe
rnj-1-instruct 8,3B BF16 18,6 GiB 32.768 ≤ 101 tok/s Cabe
AesCode-8B 8,2B BF16 17,3 GiB 89.344 ≤ 110 tok/s Cabe
ArmorOCR 8,2B Q8_0 10,4 GiB 136.704 ≤ 194 tok/s Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 242 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 242 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 148.992 ≤ 242 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B BF16 17,3 GiB 89.344 ≤ 110 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 148.992 ≤ 242 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
JanusCoder-8B 8,2B BF16 17,3 GiB 32.768 ≤ 110 tok/s Cabe
MathForm-8B 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
Nemotron-Cascade-8B 8,2B BF16 17,3 GiB 32.768 ≤ 110 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B BF16 17,3 GiB 32.768 ≤ 110 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B BF16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 242 tok/s Cabe
Qwen3-8B 8,2B Q8_0 10,4 GiB 40.960 ≤ 194 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 40.960 ≤ 242 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B BF16 17,3 GiB 89.344 ≤ 110 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B BF16 17,3 GiB 89.344 ≤ 110 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 148.992 ≤ 242 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 40.960 ≤ 242 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 148.992 ≤ 242 tok/s Cabe
WebWorld-8B 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 148.992 ≤ 242 tok/s Cabe
MiniCPM-o-4_5 8,2B F16 17,3 GiB 40.960 ≤ 110 tok/s Cabe
granite-3.3-8b-instruct 8,2B F16 18,6 GiB 73.472 ≤ 101 tok/s Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B F16 18,6 GiB 73.472 ≤ 101 tok/s Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B F16 17,0 GiB 101.632 ≤ 111 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B F16 17,0 GiB 101.632 ≤ 111 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B F16 17,0 GiB 101.632 ≤ 111 tok/s Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B F16 17,0 GiB 101.632 ≤ 111 tok/s Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B BF16 17,0 GiB 101.632 ≤ 111 tok/s Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 131.072 ≤ 248 tok/s Cabe
Llama-3.1-8B-Instruct 8,0B BF16 17,0 GiB 101.632 ≤ 111 tok/s Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 131.072 ≤ 266 tok/s Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 128.000 ≤ 258 tok/s Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B F16 15,6 GiB 131.072 ≤ 123 tok/s Cabe
Fara-7B 7,6B BF16 15,6 GiB 128.000 ≤ 123 tok/s Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 286 tok/s Cabe
JanusCoderV-7B 7,6B BF16 15,6 GiB 128.000 ≤ 123 tok/s Cabe
olmOCR-2-7B-1025 7,6B BF16 15,6 GiB 128.000 ≤ 123 tok/s Cabe
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 224 tok/s Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 224 tok/s Cabe
Qwen2.5-VL-7B-Instruct 7,6B BF16 15,6 GiB 128.000 ≤ 123 tok/s Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B F16 15,6 GiB 128.000 ≤ 123 tok/s Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 286 tok/s Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 286 tok/s Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 286 tok/s Cabe
gemma-4-E4B 7,5B F16 11,0 GiB 131.072 ≤ 188 tok/s Cabe
gemma-4-E4B-it 7,5B BF16 11,0 GiB 131.072 ≤ 188 tok/s Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 32.768 ≤ 196 tok/s Cabe
ContextPilot-E4B 7,5B F16 10,9 GiB 131.072 ≤ 190 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B F16 19,0 GiB 60.672 ≤ 109 tok/s Cabe
Olmo-3-7B-Instruct 7,3B BF16 19,0 GiB 60.672 ≤ 109 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-Think 7,3B BF16 19,0 GiB 60.672 ≤ 109 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 65.536 ≤ 215 tok/s Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 259 tok/s Cabe
Trinity-Nano-Base 6,1B (819M activos) Q6_K 6,7 GiB 131.072 ≤ 1990 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M activos) Q6_K 6,4 GiB 4096 ≤ 2129 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M activos) BF16 13,5 GiB 131.072 ≤ 964 tok/s Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 406 tok/s Cabe
Holo-3.1-4B 4,8B F16 10,2 GiB 262.144 ≤ 206 tok/s Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 915 tok/s Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 385 tok/s Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 168.448 ≤ 397 tok/s Cabe
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
Holo2-4B 4,4B F16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 40.960 ≤ 194 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 40.960 ≤ 194 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 40.960 ≤ 194 tok/s Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 40.960 ≤ 194 tok/s Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 168.448 ≤ 397 tok/s Cabe
Fara1.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 206 tok/s Cabe
FrogNano-4B-2609 4,2B BF16 10,2 GiB 262.144 ≤ 206 tok/s Cabe
Qwen3.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 206 tok/s Cabe
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 262.144 ≤ 206 tok/s Cabe
UserRepGen-4B 4,2B BF16 10,2 GiB 262.144 ≤ 206 tok/s Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8192 ≤ 374 tok/s Cabe
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 327 tok/s Cabe
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 136.704 ≤ 194 tok/s Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 262.144 ≤ 247 tok/s Cabe
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 223 tok/s Cabe
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 223 tok/s Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 516 tok/s Cabe
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 223 tok/s Cabe
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 131.072 ≤ 205 tok/s Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4096 ≤ 558 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 62.208 ≤ 250 tok/s Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 131.072 ≤ 240 tok/s Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 583 tok/s Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 241 tok/s Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 199.680 ≤ 232 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 199.680 ≤ 232 tok/s Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 131.072 ≤ 240 tok/s Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 131.072 ≤ 240 tok/s Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 131.072 ≤ 517 tok/s Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 500 tok/s Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 253 tok/s Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 253 tok/s Cabe
tiny-aya-global 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 253 tok/s Cabe
tiny-aya-water 3,3B BF16 8,7 GiB ≥ 262.144 (los contextos más largos no se comprobaron con registros medidos) ≤ 253 tok/s Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 131.072 ≤ 243 tok/s Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 295 tok/s Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 295 tok/s Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 487 tok/s Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 265 tok/s Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 573 tok/s Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 340 tok/s Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 324 tok/s Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 324 tok/s Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 763 tok/s Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 324 tok/s Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M activos) Q6_K 3,6 GiB 32.768 ≤ 2915 tok/s Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 340 tok/s Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 340 tok/s Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 340 tok/s Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 369 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) ≤ 815 tok/s Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 214.528 ≤ 409 tok/s Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 762 tok/s Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 214.528 ≤ 409 tok/s Cabe
ZwZ-2B 2,0B F16 5,6 GiB 214.528 ≤ 409 tok/s Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 933 tok/s Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 933 tok/s Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 464 tok/s Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 1089 tok/s Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 409 tok/s Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 214.528 ≤ 409 tok/s Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 214.528 ≤ 409 tok/s Cabe
SingGuard-2b 1,7B F16 5,6 GiB 214.528 ≤ 409 tok/s Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 131.072 ≤ 455 tok/s Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4096 ≤ 685 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4096 ≤ 685 tok/s Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 599 tok/s Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 654 tok/s Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 734 tok/s Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 1940 tok/s Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 1940 tok/s Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 1940 tok/s Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 2491 tok/s Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 1116 tok/s Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 876 tok/s Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 1116 tok/s Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 2491 tok/s Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 1116 tok/s Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 1116 tok/s Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 841 tok/s Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 951 tok/s Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 2213 tok/s Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 4575 tok/s Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 2213 tok/s Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 2213 tok/s Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 1907 tok/s Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 2507 tok/s Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 3148 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 3199 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
Qwen3.5-122B-A10B 122B (9,0B activos) IQ2_XXS 35,0 GiB Al límite
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B activos) IQ2_XXS 32,9 GiB Al límite
Mistral-Small-4-119B-2603 119B (6,1B activos) IQ2_XXS 34,3 GiB Al límite
Solar-Open-100B 103B (11,2B activos) IQ2_M 35,8 GiB Al límite
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B activos) Q2_K 36,5 GiB Al límite
Qwen3-Coder-Next 79,7B (3,6B activos) Q2_K 30,4 GiB Al límite
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B activos) Q2_K 30,3 GiB Al límite
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB Al límite
DeepSeek-R1-Distill-Llama-70B 70,6B Q3_K_M 37,1 GiB Al límite
Llama-3.3-70B-Instruct 70,6B Q3_K_M 37,1 GiB Al límite
Qwen-AgentWorld-35B-A3B 34,7B (2,9B activos) Q8_0 37,6 GiB Al límite

Modelos que no caben en una NVIDIA GeForce RTX 5090

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
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 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Llama-4-Scout-17B-16E-Instruct 108B (16,1B activos) Q2_K 41,5 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
GLM-4.5-Air 107B (12,8B activos) Q2_K 45,6 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
GLM-4.6V 107B (12,8B activos) Q2_K 45,6 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Step-3.5-Flash 197B (11,5B activos) IQ2_XXS 48,9 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Devstral-2-123B-Instruct-2512 125B Q2_K 49,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Mistral-Medium-3.5-128B 125B Q2_K 49,3 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 121B (12,2B activos) IQ2_XXS 49,8 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
NVIDIA-Nemotron-3-Super-120B-A12B-BF16 121B (12,2B activos) IQ2_XXS 51,0 GiB Se espera que quepa en 2 tarjetas idénticas (reparto uniforme predeterminado). No cabe
gpt-oss-120b 117B (5,1B activos) Q2_K 62,8 GiB Se espera que quepa en 3 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 3 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 3 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 3 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 3 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 3 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 3 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 3 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 3 tarjetas idénticas (reparto uniforme predeterminado). No cabe
Hy3 295B (20,2B activos) IQ2_XXS 82,2 GiB Se espera que quepa en 3 tarjetas idénticas (reparto uniforme predeterminado). No cabe
MiMo-V2.5 309B (14,8B activos) IQ2_XXS 82,4 GiB Se espera que quepa en 4 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 4 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 4 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 4 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 4 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 4 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 4 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 4 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 Se espera que quepa en 8 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Trinity-Large-Base 399B (12,8B activos) IQ2_XXS 96,4 GiB Se espera que quepa en 4 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 4 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 4 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 5 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 5 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 5 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 5 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 5 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 6 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 5 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 5 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 5 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 6 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 Se espera que quepa en 7 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. No cabe
Qwen3.5-397B-A17B 396B (16,3B activos) Q3_K_M 175,6 GiB Se espera que quepa en 7 tarjetas idénticas (reparto uniforme predeterminado). Con menos tarjetas queda al límite. 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 Al límite con 8 tarjetas. No cabe
cogito-671b-v2.1 671B (36,6B activos) Q2_K 242,4 GiB Al límite con 8 tarjetas. No cabe
DeepSeek-V3.1 671B (36,6B activos) Q2_K 242,4 GiB Al límite con 8 tarjetas. No cabe
Mistral-Large-3-675B-Instruct-2512 673B (39,0B activos) Q2_K 243,8 GiB Al límite con 8 tarjetas. No cabe
DeepSeek-V3 671B (36,6B activos) Q2_K 257,8 GiB Al límite con 8 tarjetas. No cabe
Kimi-K2.6 1,03T (31,7B activos) IQ2_XXS 267,6 GiB Al límite con 8 tarjetas. No cabe
GLM-5 744B (40,8B activos) Q2_K 268,9 GiB Al límite con 8 tarjetas. No cabe
MiMo-V2.5-Pro 1,02T (41,0B activos) IQ2_XXS 270,4 GiB Al límite con 8 tarjetas. No cabe
DeepSeek-R1 671B (36,6B activos) Q2_K 280,3 GiB Al límite 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 32 GB