DeskGPU
Português (Brasil)

NVIDIA GeForce RTX 3090 Ti: quais LLMs ela consegue executar?

Esta página foi escrita e traduzida automaticamente por IA e verificada por software em relação às suas fontes, sem edição humana. As especificações vêm das fontes listadas; os requisitos de memória e as velocidades são estimativas calculadas com fórmulas publicadas. Como usamos IA

A NVIDIA GeForce RTX 3090 Ti tem 24 GB de memória (valor do fabricante). Abaixo, cada modelo do banco de dados é verificado em relação a ela com llama.cpp, com comprimento de contexto de 8.192 tokens (ou o máximo do modelo, se menor).

Valores atualizados em 19 de out. de 2026

Especificações

Memória (valor do fabricante)
24 GB
Tipo de memória
GDDR6X
Largura do barramento de memória
384 bit
Largura de banda da memória
1.008 GB/s
Potência da placa (TDP)
450 W
Tensor FP16, denso
Não exibido: as fontes abertas não fornecem dois valores independentes e concordantes com uma referência do fabricante.
Tensor BF16, denso
Não exibido: as fontes abertas não fornecem dois valores independentes e concordantes com uma referência do fabricante.
Tensor FP8, denso
Não exibido: as fontes abertas não fornecem dois valores independentes e concordantes com uma referência do fabricante.
Tensor FP4, denso
Não exibido: as fontes abertas não fornecem dois valores independentes e concordantes com uma referência do fabricante.
INT8 tensor, denso
Não exibido: as fontes abertas não fornecem dois valores independentes e concordantes com uma referência do fabricante.
Interface
Não exibido: as fontes abertas não fornecem dois valores independentes e concordantes com uma referência do fabricante.

Cada valor lista todas as fontes com seu próprio número; as unidades foram normalizadas. O “GB” de memória de GPU de um fabricante é contado como GiB (2³⁰ bytes), que é também como a tabela do ROCm da AMD o indica. Como as especificações são verificadas

Perfil de execução

Perfil de execução: llama.cpp, back end CUDA (GPU dedicada NVIDIA), todas as camadas na GPU, Flash Attention ativada, micro-batch (-ub) 512, KV cache em F16, contexto (-c) conforme indicado; “Cabe” é avaliado com as 4 sequências paralelas padrão do llama-server (-np auto, KV cache unificado) e “Não cabe” com 1 sequência; GPU ociosa, sem outros programas usando sua memória.

Memória considerada disponível para “Cabe” (C_low): 20,88 GiB por placa = 24 GiB nominais − 1.054 MiB (a maior diferença entre o nominal e o total informado medida em GPUs de consumo e de estações de trabalho neste perfil, usada porque nenhum log público informa o total desta GPU) − 2.112 MiB (o maior uso de inicialização e de execução visto nos logs públicos deste perfil), arredondado para baixo para um múltiplo de 64 MiB.

Estes resultados presumem a configuração padrão da placa. Configurações que reduzem a memória utilizável (por exemplo, ECC, quando a placa oferece suporte) não estão incluídas.

Memória usada para “Não cabe” (C_high): os 24 GiB completos por placa. Perfis de execução e suas medições

Quais modelos cabem

“Cabe” significa que a verificação de carregamento padrão --fit do llama.cpp colocaria todas as camadas na GPU: nossa estimativa dos buffers do llama.cpp, mais a margem de erro, mais a reserva de 1 GiB por placa do llama.cpp, está dentro da memória contada como disponível. Isso não garante que a memória de pico durante a geração caiba. Como os resultados são definidos

Contexto de 8.192 tokens (ou o máximo do modelo, se for menor). As últimas colunas mostram o maior comprimento de contexto nessa quantização e o limite de velocidade baseado na largura de banda.
Modelo Parâmetros Maior quantização que cabe Memória disponível necessária para “Cabe” Maior contexto Limite de velocidade Resultado
AI21-Jamba2-Mini 51,6B (11,8B ativos) Q2_K 19,0 GiB 111.104 ≤ 229 tok/s Cabe
Kimi-Linear-48B-A3B-Base 49,1B (3,1B ativos) IQ3_XXS 20,0 GiB 92.416 ≤ 710 tok/s Cabe
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B ativos) IQ3_XXS 20,7 GiB 27.136 ≤ 586 tok/s Cabe
Hermes-4.3-36B 36,2B Q3_K_M 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B ativos) IQ4_XS 19,8 GiB 112.896 ≤ 540 tok/s Cabe
Holo-3.1-35B-A3B 34,7B (2,9B ativos) IQ4_XS 20,2 GiB 37.376 ≤ 493 tok/s Cabe
Holo3-35B-A3B 34,7B (2,9B ativos) IQ4_XS 20,2 GiB 37.376 ≤ 493 tok/s Cabe
Holo4-35B-A3B 34,7B (2,9B ativos) Q3_K_M 18,4 GiB 120.064 ≤ 383 tok/s Cabe
Ising-Calibration-1-35B-A3B 34,7B (2,9B ativos) IQ4_XS 20,0 GiB 46.592 ≤ 495 tok/s Cabe
KAT-Coder-V2.5-Dev 34,7B (2,9B ativos) IQ4_XS 20,1 GiB 43.264 ≤ 477 tok/s Cabe
Qwen3.5-35B-A3B 34,7B (2,9B ativos) Q3_K_M 17,6 GiB 158.464 ≤ 387 tok/s Cabe
Qwen3.5-35B-A3B-Base 34,7B (2,9B ativos) IQ4_XS 19,9 GiB 50.176 ≤ 515 tok/s Cabe
Qwen3.6-35B-A3B 34,7B (2,9B ativos) IQ4_XS 20,1 GiB 43.520 ≤ 478 tok/s Cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B ativos) IQ4_XS 20,0 GiB 46.592 ≤ 495 tok/s Cabe
Laguna-XS-2.1 33,4B (2,8B ativos) Q4_0 20,6 GiB 13.824 ≤ 436 tok/s Cabe
DeepSeek-R1-Distill-Qwen-32B 32,8B Q3_K_M 18,7 GiB 16.384 ≤ 56,8 tok/s Cabe
Qwen2.5-32B-Instruct 32,8B Q3_K_M 18,7 GiB 16.384 ≤ 56,8 tok/s Cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q3_K_M 18,7 GiB 16.384 ≤ 56,8 tok/s Cabe
AesCode-32B 32,8B IQ4_XS 20,8 GiB 8.448 ≤ 50,8 tok/s Cabe
Cosmos-Reason2-32B 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
FrogBoss-32B-2510 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
Nemotron-Terminal-32B 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
Qwen3-VL-32B-Instruct 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
Qwen3-VL-32B-Thinking 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
SERA-32B 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
WebWorld-32B 32,8B IQ4_XS 20,4 GiB 9.984 ≤ 51,9 tok/s Cabe
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB 9.728 ≤ 54,0 tok/s Cabe
Olmo-3.1-32B-Instruct 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3.1-32B-Instruct-DPO 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3.1-32B-Think 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-1125-32B 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-32B-Think 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-32B-Think-DPO 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Olmo-3-32B-Think-SFT 32,2B IQ4_XS 20,1 GiB 11.008 ≤ 54,8 tok/s Cabe
Holotron4-30B-A3B 31,6B (3,2B ativos) Q4_0 19,0 GiB 238.336 ≤ 485 tok/s Cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B ativos) Q4_0 19,2 GiB 212.224 ≤ 440 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B ativos) Q4_0 19,0 GiB 238.336 ≤ 485 tok/s Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B ativos) Q4_0 19,3 GiB 207.360 ≤ 439 tok/s Cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B ativos) Q4_0 19,2 GiB 219.136 ≤ 451 tok/s Cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B ativos) Q4_0 19,0 GiB 238.336 ≤ 485 tok/s Cabe
gemma-4-31B 30,7B Q2_K 17,6 GiB 48.128 ≤ 75,2 tok/s Cabe
gemma-4-31B-it 30,7B Q3_K_M 20,3 GiB 14.592 ≤ 62,1 tok/s Cabe
Ising-Calibration-1.5-31B-BF16 30,7B IQ3_XXS 18,6 GiB 35.328 ≤ 69,6 tok/s Cabe
Holo2-30B-A3B 30,5B (3,0B ativos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-30B-A3B 30,5B (3,0B ativos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B ativos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B ativos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B ativos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
UI-Venus-1.5-30B-A3B 30,5B (3,0B ativos) Q4_K_M 20,1 GiB 15.616 ≤ 370 tok/s Cabe
North-Mini-Code-1.0 30,5B (3,3B ativos) Q4_K_M 20,7 GiB 9.472 ≤ 360 tok/s Cabe
GLM-4.7-Flash 29,9B (3,6B ativos) Q4_K_M 19,5 GiB 32.512 ≤ 354 tok/s Cabe
granite-4.2-30b 29,3B Q4_K_M 20,5 GiB 9.472 ≤ 51,3 tok/s Cabe
granite-4.1-30b 28,9B Q4_K_M 20,5 GiB 9.472 ≤ 51,3 tok/s Cabe
Muse-Glimmer-30B 27,9B Q5_K_M 20,7 GiB 21.248 ≤ 52,1 tok/s Cabe
gemma-2-27b-it 27,2B IQ4_XS 19,1 GiB 8.192 ≤ 58,9 tok/s Cabe
gemma-3-27b-it 27,0B Q4_K_M 20,3 GiB 14.336 ≤ 57,1 tok/s Cabe
translategemma-27b-it 27,0B Q4_K_M 20,3 GiB 14.336 ≤ 57,1 tok/s Cabe
Fara1.5-27B 26,9B Q4_K_M 19,1 GiB 34.304 ≤ 58,1 tok/s Cabe
Holo4-27B 26,9B Q5_K_M 20,6 GiB 11.520 ≤ 53,4 tok/s Cabe
Qwen3.5-27B 26,9B Q4_K_M 18,4 GiB 46.080 ≤ 60,9 tok/s Cabe
Qwen3.6-27B 26,9B Q4_K_M 18,4 GiB 45.056 ≤ 60,6 tok/s Cabe
Qwen3.8-27B 26,9B Q4_K_M 18,8 GiB 39.168 ≤ 59,2 tok/s Cabe
Qwen3.8-3.6-27B-blend 26,9B Q4_K_M 18,8 GiB 39.168 ≤ 59,2 tok/s Cabe
UI-Mate-27B 26,9B Q4_K_M 19,1 GiB 34.304 ≤ 58,1 tok/s Cabe
UI-Mate-democua-27B 26,9B Q5_K_M 20,6 GiB 11.520 ≤ 53,4 tok/s Cabe
Trinity-Mini 26,1B (3,1B ativos) Q5_K_M 19,9 GiB 57.856 ≤ 396 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B ativos) Q5_K_M 19,9 GiB 62.208 ≤ 409 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B ativos) Q5_K_M 19,6 GiB 4.096 ≤ 421 tok/s Cabe
gemma-4-26B-A4B 25,2B (3,8B ativos) Q4_K_M 19,1 GiB 88.832 ≤ 339 tok/s Cabe
gemma-4-26B-A4B-it 25,2B (3,8B ativos) Q4_K_M 19,3 GiB 78.080 ≤ 314 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B ativos) Q5_K_M 19,3 GiB 24.320 ≤ 332 tok/s Cabe
LFM2.5-24B-A2B 24,0B (2,5B ativos) Q6_K 20,7 GiB 14.080 ≤ 459 tok/s Cabe
LFM2-24B-A2B 23,8B (2,3B ativos) Q6_K 20,6 GiB 18.944 ≤ 481 tok/s Cabe
Devstral-Small-2-24B-Instruct-2512 23,6B Q5_K_M 18,6 GiB 22.272 ≤ 57,2 tok/s Cabe
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q5_K_M 18,6 GiB 22.272 ≤ 57,2 tok/s Cabe
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B ativos) Q6_K 20,1 GiB 21.760 ≤ 288 tok/s Cabe
EuroLLM-22B-2512 22,6B Q6_K 20,6 GiB 9.216 ≤ 51,1 tok/s Cabe
EuroLLM-22B-Instruct-2512 22,6B Q6_K 20,6 GiB 9.216 ≤ 51,1 tok/s Cabe
gpt-oss-20b 20,9B (3,6B ativos) Q8_0 12,9 GiB 131.072 ≤ 363 tok/s Cabe
OptiMind-SFT 20,9B (3,6B ativos) Q5_K_M 17,8 GiB 127.232 ≤ 314 tok/s Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q8_0 17,5 GiB 25.600 ≤ 61,2 tok/s Cabe
Qwen2.5-14B-Instruct 14,8B Q8_0 17,5 GiB 25.600 ≤ 61,2 tok/s Cabe
ContextPilot-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
FrogMini-14B-2510 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
JanusCoder-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Nemotron-Cascade-14B-Thinking 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Nemotron-Terminal-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
NousCoder-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Qwen3-14B 14,8B Q8_0 17,2 GiB 30.720 ≤ 62,2 tok/s Cabe
Qwen3-Nemotron-14B-BRRM 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
WebWorld-14B 14,8B Q6_K 13,9 GiB 40.960 ≤ 78,6 tok/s Cabe
phi-4 14,7B Q8_0 17,7 GiB 16.384 ≤ 60,3 tok/s Cabe
Apriel-1.6-15b-Thinker 14,4B Q8_0 17,2 GiB 26.880 ≤ 62,1 tok/s Cabe
Ministral-3-14B-Instruct-2512 13,5B Q8_0 16,0 GiB 38.144 ≤ 67,3 tok/s Cabe
Ministral-3-14B-Reasoning-2512 13,5B Q8_0 16,0 GiB 38.144 ≤ 67,3 tok/s Cabe
Mistral-Nemo-Instruct-2407 12,2B Q8_0 14,7 GiB 46.336 ≤ 73,9 tok/s Cabe
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B ativos) Q8_0 14,0 GiB 131.072 ≤ 399 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B ativos) Q6_K 12,1 GiB 131.072 ≤ 480 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B ativos) Q8_0 14,0 GiB 131.072 ≤ 399 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B ativos) Q6_K 12,1 GiB 131.072 ≤ 480 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B ativos) Q8_0 14,0 GiB 131.072 ≤ 399 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B ativos) Q6_K 12,1 GiB 131.072 ≤ 480 tok/s Cabe
gemma-4-12B 11,9B Q8_0 15,6 GiB 262.144 ≤ 76,8 tok/s Cabe
gemma-4-12B-it 11,9B Q8_0 15,6 GiB 262.144 ≤ 76,8 tok/s Cabe
gemma-3-12b-it 11,8B Q8_0 15,8 GiB 84.480 ≤ 75,4 tok/s Cabe
translategemma-12b-it 11,8B Q8_0 15,8 GiB 84.480 ≤ 75,4 tok/s Cabe
Bielik-11B-v3.0-Instruct 11,2B Q8_0 14,4 GiB 32.768 ≤ 75,2 tok/s Cabe
AutoGLM-Phone-9B 9,4B F16 18,9 GiB 55.808 ≤ 56,3 tok/s Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 ≤ 125 tok/s Cabe
GLM-4.6V-Flash 9,4B BF16 18,9 GiB 55.808 ≤ 56,3 tok/s Cabe
gemma-2-9b-it 9,2B Q8_0 14,8 GiB 8.192 ≤ 78,8 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B F16 19,6 GiB 15.616 ≤ 54,0 tok/s Cabe
Fara1.5-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
Holo-3.1-9B 9,0B F16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
Qwen3.5-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
Qwen3.5-9B-Base 9,0B F16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
UI-Mate-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
UI-Venus-2-9B 9,0B BF16 17,5 GiB 105.472 ≤ 62,4 tok/s Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B BF16 18,3 GiB 131.072 ≤ 60,2 tok/s Cabe
granite-4.1-8b 8,8B BF16 19,0 GiB 19.456 ≤ 55,7 tok/s Cabe
granite-4.2-8b 8,8B BF16 19,0 GiB 19.456 ≤ 55,7 tok/s Cabe
Ministral-3-8B-Instruct-2512 8,5B BF16 18,0 GiB 28.928 ≤ 59,1 tok/s Cabe
Ministral-3-8B-Reasoning-2512 8,5B BF16 18,0 GiB 28.928 ≤ 59,1 tok/s Cabe
LFM2.5-8B-A1B 8,5B (1,7B ativos) BF16 18,0 GiB 128.000 ≤ 290 tok/s Cabe
granite-guardian-4.1-8b 8,4B BF16 19,0 GiB 19.456 ≤ 55,7 tok/s Cabe
LFM2-8B-A1B 8,3B (1,6B ativos) F16 17,7 GiB 128.000 ≤ 313 tok/s Cabe
rnj-1-instruct 8,3B BF16 18,6 GiB 25.344 ≤ 57,0 tok/s Cabe
AesCode-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
ArmorOCR 8,2B Q8_0 10,4 GiB 79.616 ≤ 109 tok/s Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
JanusCoder-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
MathForm-8B 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Cascade-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
Qwen3-8B 8,2B Q8_0 10,4 GiB 40.960 ≤ 109 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B BF16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 40.960 ≤ 136 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
WebWorld-8B 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 91.904 ≤ 136 tok/s Cabe
MiniCPM-o-4_5 8,2B F16 17,3 GiB 32.256 ≤ 61,7 tok/s Cabe
granite-3.3-8b-instruct 8,2B F16 18,6 GiB 22.016 ≤ 57,0 tok/s Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B F16 18,6 GiB 22.016 ≤ 57,0 tok/s Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B F16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B BF16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 103.936 ≤ 139 tok/s Cabe
Llama-3.1-8B-Instruct 8,0B BF16 17,0 GiB 37.376 ≤ 62,7 tok/s Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 131.072 ≤ 150 tok/s Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 94.976 ≤ 145 tok/s Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B F16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Fara-7B 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 ≤ 161 tok/s Cabe
JanusCoderV-7B 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
olmOCR-2-7B-1025 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 126 tok/s Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 ≤ 126 tok/s Cabe
Qwen2.5-VL-7B-Instruct 7,6B BF16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B F16 15,6 GiB 97.792 ≤ 69,0 tok/s Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 161 tok/s Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 161 tok/s Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 128.000 ≤ 161 tok/s Cabe
gemma-4-E4B 7,5B F16 11,0 GiB 131.072 ≤ 105 tok/s Cabe
gemma-4-E4B-it 7,5B BF16 11,0 GiB 131.072 ≤ 105 tok/s Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 32.768 ≤ 110 tok/s Cabe
ContextPilot-E4B 7,5B F16 10,9 GiB 131.072 ≤ 107 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B F16 19,0 GiB 11.776 ≤ 61,2 tok/s Cabe
Olmo-3-7B-Instruct 7,3B BF16 19,0 GiB 11.776 ≤ 61,2 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-Think 7,3B BF16 19,0 GiB 11.776 ≤ 61,2 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 57.600 ≤ 121 tok/s Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 ≤ 146 tok/s Cabe
Trinity-Nano-Base 6,1B (819M ativos) Q6_K 6,7 GiB 131.072 ≤ 1.119 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M ativos) Q6_K 6,4 GiB 4.096 ≤ 1.197 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M ativos) BF16 13,5 GiB 131.072 ≤ 543 tok/s Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 ≤ 228 tok/s Cabe
Holo-3.1-4B 4,8B F16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 ≤ 514 tok/s Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 ≤ 217 tok/s Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 111.360 ≤ 224 tok/s Cabe
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Holo2-4B 4,4B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 40.960 ≤ 109 tok/s Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 111.360 ≤ 224 tok/s Cabe
Fara1.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
FrogNano-4B-2609 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
Qwen3.5-4B 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
UserRepGen-4B 4,2B BF16 10,2 GiB 262.144 ≤ 116 tok/s Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8.192 ≤ 210 tok/s Cabe
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 ≤ 184 tok/s Cabe
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 79.616 ≤ 109 tok/s Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 262.144 ≤ 139 tok/s Cabe
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 125 tok/s Cabe
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 ≤ 125 tok/s Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 ≤ 290 tok/s Cabe
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 ≤ 125 tok/s Cabe
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 91.392 ≤ 115 tok/s Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4.096 ≤ 314 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 40.448 ≤ 140 tok/s Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 131.072 ≤ 135 tok/s Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 ≤ 328 tok/s Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 ≤ 136 tok/s Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 121.088 ≤ 130 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 121.088 ≤ 130 tok/s Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 131.072 ≤ 135 tok/s Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 131.072 ≤ 135 tok/s Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 131.072 ≤ 291 tok/s Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 ≤ 281 tok/s Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) ≤ 142 tok/s Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) ≤ 142 tok/s Cabe
tiny-aya-global 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) ≤ 142 tok/s Cabe
tiny-aya-water 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) ≤ 142 tok/s Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 116.224 ≤ 137 tok/s Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 ≤ 166 tok/s Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 ≤ 166 tok/s Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 ≤ 274 tok/s Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 ≤ 149 tok/s Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 ≤ 322 tok/s Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 ≤ 182 tok/s Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 ≤ 182 tok/s Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 ≤ 429 tok/s Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 ≤ 182 tok/s Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M ativos) Q6_K 3,6 GiB 32.768 ≤ 1.640 tok/s Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 ≤ 191 tok/s Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 ≤ 208 tok/s Cabe
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) ≤ 459 tok/s Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 ≤ 429 tok/s Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
ZwZ-2B 2,0B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 ≤ 525 tok/s Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 ≤ 525 tok/s Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 ≤ 261 tok/s Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 ≤ 612 tok/s Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 ≤ 230 tok/s Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
SingGuard-2b 1,7B F16 5,6 GiB 141.312 ≤ 230 tok/s Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 131.072 ≤ 256 tok/s Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4.096 ≤ 385 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4.096 ≤ 385 tok/s Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 ≤ 337 tok/s Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 ≤ 368 tok/s Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 ≤ 413 tok/s Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 ≤ 1.091 tok/s Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 ≤ 1.091 tok/s Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 ≤ 1.091 tok/s Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 ≤ 1.401 tok/s Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 ≤ 628 tok/s Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 ≤ 493 tok/s Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 ≤ 627 tok/s Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 ≤ 1.401 tok/s Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 ≤ 628 tok/s Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 ≤ 628 tok/s Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 ≤ 473 tok/s Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 ≤ 535 tok/s Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 ≤ 1.245 tok/s Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 ≤ 2.574 tok/s Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 ≤ 1.245 tok/s Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 ≤ 1.245 tok/s Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 ≤ 1.073 tok/s Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 ≤ 1.410 tok/s Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 ≤ 1.770 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1.799 tok/s Cabe

Modelos no limite

Dentro da faixa de erro da estimativa: pode caber ou não. Tente um contexto mais curto ou uma quantização menor.

Contexto de 8.192 tokens. Nenhuma quantização destes modelos cabe; a exibida é a mais alta que está no limite.
Modelo Parâmetros Maior quantização no limite Memória disponível necessária para “Cabe” Resultado
Qwen3-Coder-Next-Base 79,7B (3,6B ativos) IQ2_M 27,2 GiB No limite
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB No limite
Llama-3.1-70B-Instruct 70,6B IQ2_M 27,1 GiB No limite
QwQ-32B 32,8B Q5_K_M 25,7 GiB No limite
Qwen3-32B 32,8B Q5_K_M 25,7 GiB No limite
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B ativos) Q4_K_M 23,3 GiB No limite

Modelos que não cabem em uma NVIDIA GeForce RTX 3090 Ti

Contexto de 8.192 tokens. Nem a menor quantização cabe em uma placa; o requisito exibido é para essa quantização.
Modelo Parâmetros Menor quantização Memória disponível necessária para “Cabe” Várias placas idênticas Resultado
Solar-Open-100B 103B (11,2B ativos) IQ2_XXS 29,4 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
DeepSeek-R1-Distill-Llama-70B 70,6B Q2_K 29,4 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Llama-3.3-70B-Instruct 70,6B Q2_K 29,4 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B ativos) Q2_K 30,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3-Coder-Next 79,7B (3,6B ativos) Q2_K 30,4 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B ativos) IQ2_XXS 31,1 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B ativos) IQ2_XXS 32,9 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Mistral-Small-4-119B-2603 119B (6,1B ativos) IQ2_XXS 34,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3.5-122B-A10B 122B (9,0B ativos) IQ2_XXS 35,0 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen-AgentWorld-35B-A3B 34,7B (2,9B ativos) Q8_0 37,6 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
MiniMax-M2.5-REAP-139B-A10B 139B (10,4B ativos) IQ2_XXS 39,2 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
INTELLECT-3 107B (12,8B ativos) IQ2_XXS 39,6 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Step-3.5-Flash-REAP-149B-A11B 149B (11,4B ativos) IQ2_XXS 40,1 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Llama-4-Scout-17B-16E-Instruct 108B (16,1B ativos) Q2_K 41,5 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.5-Air 107B (12,8B ativos) Q2_K 45,6 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.6V 107B (12,8B ativos) Q2_K 45,6 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Step-3.5-Flash 197B (11,5B ativos) IQ2_XXS 48,9 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Devstral-2-123B-Instruct-2512 125B Q2_K 49,3 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Mistral-Medium-3.5-128B 125B Q2_K 49,3 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 121B (12,2B ativos) IQ2_XXS 49,8 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-3-Super-120B-A12B-BF16 121B (12,2B ativos) IQ2_XXS 51,0 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
gpt-oss-120b 117B (5,1B ativos) Q2_K 62,8 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiniMax-M2.7 229B (10,4B ativos) IQ2_XXS 62,9 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Baichuan-M3-235B 235B (21,6B ativos) IQ2_XXS 63,2 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Holo2-235B-A22B 235B (21,6B ativos) IQ2_XXS 63,2 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-Nemotron-235B-A22B-GenRM 235B (21,6B ativos) IQ2_XXS 63,2 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
command-a-plus-05-2026-bf16 218B (25,0B ativos) IQ2_XXS 63,6 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 121B (12,2B ativos) Q4_0 71,8 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.7-REAP-268B-A32B 269B (32,8B ativos) IQ2_XXS 73,0 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Step-3.7-Flash 197B (11,5B ativos) IQ3_XXS 76,1 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Hy3 295B (20,2B ativos) IQ2_XXS 82,2 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiMo-V2.5 309B (14,8B ativos) IQ2_XXS 82,4 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.7-REAP-218B-A32B 218B (32,8B ativos) Q2_K 82,9 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiniMax-M2 229B (10,4B ativos) Q2_K 84,9 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiniMax-M2.1 229B (10,4B ativos) Q2_K 84,9 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiniMax-M2.5 229B (10,4B ativos) Q2_K 84,9 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-235B-A22B-Instruct-2507 235B (21,6B ativos) Q2_K 86,7 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-VL-235B-A22B-Instruct 235B (21,6B ativos) Q2_K 86,7 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-5.3-Flash-BF16 313B (16,7B ativos) IQ2_XXS 92,0 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Laguna-S-2.1 118B (8,1B ativos) Q4_K_M 95,9 GiB No limite com 8 placas. Não cabe
Trinity-Large-Base 399B (12,8B ativos) IQ2_XXS 96,4 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Trinity-Large-TrueBase 399B (12,8B ativos) IQ2_XXS 96,4 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.6-REAP-268B-A32B 269B (32,8B ativos) Q2_K 100,9 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Trinity-Large-Thinking 399B (12,8B ativos) IQ2_XXS 107,1 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiMo-V2-Flash 309B (14,8B ativos) Q2_K 111,6 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Intern-S2-397B 396B (16,3B ativos) IQ2_XXS 114,3 GiB Espera-se que 7 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiMo-V2.6-Flash-MOPD 309B (14,8B ativos) Q2_K 124,9 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiMo-V2.6-Flash-RL 309B (14,8B ativos) Q2_K 124,9 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
K-EXAONE-236B-A23B 237B (22,7B ativos) IQ4_XS 126,3 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.5 353B (32,9B ativos) Q2_K 130,7 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.7 353B (32,9B ativos) Q2_K 130,7 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-Coder-REAP-363B-A35B 363B (34,5B ativos) Q2_K 132,7 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-235B-A22B 235B (21,6B ativos) Q4_K_M 141,9 GiB Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-Coder-480B-A35B-Instruct 480B (34,5B ativos) Q2_K 174,3 GiB No limite com 8 placas. Não cabe
Qwen3.5-397B-A17B 396B (16,3B ativos) Q3_K_M 175,6 GiB No limite com 8 placas. Não cabe
GLM-5.1 744B (40,8B ativos) IQ2_XXS 197,6 GiB No limite com 8 placas. Não cabe
DeepSeek-V3.2 671B (36,6B ativos) Q2_K 242,1 GiB Não cabe nem em 8 placas. Não cabe
cogito-671b-v2.1 671B (36,6B ativos) Q2_K 242,4 GiB Não cabe nem em 8 placas. Não cabe
DeepSeek-V3.1 671B (36,6B ativos) Q2_K 242,4 GiB Não cabe nem em 8 placas. Não cabe
Mistral-Large-3-675B-Instruct-2512 673B (39,0B ativos) Q2_K 243,8 GiB Não cabe nem em 8 placas. Não cabe
DeepSeek-V3 671B (36,6B ativos) Q2_K 257,8 GiB Não cabe nem em 8 placas. Não cabe
Kimi-K2.6 1,03T (31,7B ativos) IQ2_XXS 267,6 GiB Não cabe nem em 8 placas. Não cabe
GLM-5 744B (40,8B ativos) Q2_K 268,9 GiB Não cabe nem em 8 placas. Não cabe
MiMo-V2.5-Pro 1,02T (41,0B ativos) IQ2_XXS 270,4 GiB Não cabe nem em 8 placas. Não cabe
DeepSeek-R1 671B (36,6B ativos) Q2_K 280,3 GiB Não cabe nem em 8 placas. Não cabe
Muse-Spark-Open-816B-A42B 820B (44,4B ativos) Q2_K 301,0 GiB Não cabe nem em 8 placas. Não cabe
GLM-5.3-Flash 313B (16,7B ativos) Q8_0 327,9 GiB Não cabe nem em 8 placas. Não cabe
Ling-1T 1,00T (49,8B ativos) Q2_K 360,6 GiB Não cabe nem em 8 placas. Não cabe
Kimi-K2-Instruct 1,03T (31,7B ativos) Q2_K 367,4 GiB Não cabe nem em 8 placas. Não cabe
Kimi-K2.5 1,03T (31,7B ativos) Q2_K 368,0 GiB Não cabe nem em 8 placas. Não cabe
Kimi-K2-Thinking 1,03T (31,7B ativos) Q2_K 368,3 GiB Não cabe nem em 8 placas. Não cabe
MiMo-V2.6-Pro-MOPD 1,02T (41,0B ativos) Q2_K 411,6 GiB Não cabe nem em 8 placas. Não cabe
MiMo-V2.6-Pro-RL 1,02T (41,0B ativos) Q2_K 411,6 GiB Não cabe nem em 8 placas. Não cabe
Beam-1.0-501B-A23B 501B (22,7B ativos) Q8_0 523,6 GiB Não cabe nem em 8 placas. Não cabe
GLM-5.2 744B (40,8B ativos) Q8_0 776,4 GiB Não cabe nem em 8 placas. Não cabe
GLM-5.3 744B (40,8B ativos) Q8_0 776,4 GiB Não cabe nem em 8 placas. Não cabe
Qwen3.8-2.4T-A95B 2,42T (93,3B ativos) Q8_0 2.524,1 GiB Não cabe nem em 8 placas. Não cabe

O teto de velocidade é a largura de banda da memória dividida pelos bytes lidos por token gerado. É um limite superior teórico; os benchmarks públicos do llama.cpp normalmente atingem cerca de metade a quatro quintos desse valor, e modelos pequenos e modelos MoE (mistura de especialistas) costumam atingir menos. Benchmarks públicos

Outros dispositivos com 24 GB