DeskGPU
Português (Brasil)

NVIDIA GeForce RTX 5070: 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 5070 tem 12 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)
12 GB
Tipo de memória
GDDR7
Largura do barramento de memória
192 bit
Largura de banda da memória
672 GB/s
Potência da placa (TDP)
250 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): 8,88 GiB por placa = 12 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 12 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
Trinity-Mini 26,1B (3,1B ativos) IQ2_XXS 8,2 GiB 41.216 ≤ 489 tok/s Cabe
Trinity-Mini-Base 26,1B (3,1B ativos) IQ2_XXS 8,7 GiB 16.640 ≤ 540 tok/s Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B ativos) IQ2_XXS 8,4 GiB 4.096 ≤ 571 tok/s Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B ativos) 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 8.192 ≤ 87,0 tok/s Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B ativos) Q4_0 8,3 GiB 45.824 ≤ 453 tok/s Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B ativos) Q4_0 8,3 GiB 41.728 ≤ 434 tok/s Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B ativos) Q4_0 8,3 GiB 45.824 ≤ 453 tok/s Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B ativos) Q4_0 8,3 GiB 41.728 ≤ 434 tok/s Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B ativos) 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 8.192 ≤ 114 tok/s Cabe
EuroLLM-9B-Instruct-2512 9,2B Q5_K_M 8,7 GiB 9.216 ≤ 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 ativos) 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 ativos) 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 9.984 ≤ 90,6 tok/s Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
JanusCoder-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
MathForm-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Nemotron-Cascade-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Nemotron-Cascade-8B-Thinking 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Nemotron-Orchestrator-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Qwen3-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Qwen3-VL-8B-Instruct 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Qwen3-VL-8B-Thinking 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
WebWorld-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 9.984 ≤ 90,6 tok/s Cabe
MiniCPM-o-4_5 8,2B Q6_K 8,6 GiB 9.984 ≤ 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 9.472 ≤ 124 tok/s Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B Q2_K 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-Instruct 7,3B Q2_K 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-Instruct-DPO 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-Instruct-SFT 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-Code 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-General 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-IF 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-Math 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-Think 7,3B Q2_K 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-Think-DPO 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 124 tok/s Cabe
Olmo-3-7B-Think-SFT 7,3B IQ3_XXS 8,2 GiB 9.472 ≤ 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 ativos) Q6_K 6,7 GiB 131.072 ≤ 746 tok/s Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M ativos) Q6_K 6,4 GiB 4.096 ≤ 798 tok/s Cabe
Trinity-Nano-Preview 6,1B (819M ativos) 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 8.192 ≤ 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 4.096 ≤ 209 tok/s Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 9.472 ≤ 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 8.192 ≤ 86,9 tok/s Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 8.192 ≤ 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 ativos) Q6_K 3,6 GiB 32.768 ≤ 1.093 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 4.096 ≤ 257 tok/s Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4.096 ≤ 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 ≤ 1.716 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 ≤ 1.180 tok/s Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 ≤ 1.200 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
AI21-Jamba2-Mini 51,6B (11,8B ativos) IQ2_XXS 13,6 GiB No limite
Kimi-Linear-48B-A3B-Base 49,1B (3,1B ativos) IQ2_XXS 14,2 GiB No limite
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B ativos) IQ2_XXS 13,3 GiB No limite
Hermes-4.3-36B 36,2B IQ2_XXS 12,9 GiB No limite
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B ativos) IQ3_XXS 14,8 GiB No limite
Holo-3.1-35B-A3B 34,7B (2,9B ativos) Q2_K 14,4 GiB No limite
Holo3-35B-A3B 34,7B (2,9B ativos) Q2_K 14,4 GiB No limite
Holo4-35B-A3B 34,7B (2,9B ativos) Q2_K 15,0 GiB No limite
Ising-Calibration-1-35B-A3B 34,7B (2,9B ativos) IQ3_XXS 15,1 GiB No limite
KAT-Coder-V2.5-Dev 34,7B (2,9B ativos) Q2_K 14,1 GiB No limite
Qwen3.5-35B-A3B-Base 34,7B (2,9B ativos) IQ3_XXS 15,0 GiB No limite
Qwen3.6-35B-A3B 34,7B (2,9B ativos) Q2_K 14,1 GiB No limite
Laguna-XS-2.1 33,4B (2,8B ativos) Q2_K 13,8 GiB No limite
AesCode-32B 32,8B IQ2_XXS 13,6 GiB No limite
Cosmos-Reason2-32B 32,8B IQ2_M 14,2 GiB No limite
FrogBoss-32B-2510 32,8B IQ2_M 14,2 GiB No limite
Nemotron-Terminal-32B 32,8B IQ2_M 14,2 GiB No limite
SERA-32B 32,8B IQ2_M 14,2 GiB No limite
WebWorld-32B 32,8B IQ2_M 14,2 GiB No limite
Olmo-3.1-32B-Instruct 32,2B Q2_K 15,0 GiB No limite
Olmo-3.1-32B-Instruct-DPO 32,2B IQ3_XXS 15,5 GiB No limite
Olmo-3.1-32B-Think 32,2B Q2_K 15,0 GiB No limite
Olmo-3-1125-32B 32,2B IQ3_XXS 15,5 GiB No limite
Olmo-3-32B-Think 32,2B Q2_K 15,0 GiB No limite
Olmo-3-32B-Think-DPO 32,2B IQ3_XXS 15,5 GiB No limite
Olmo-3-32B-Think-SFT 32,2B IQ3_XXS 15,5 GiB No limite
Ising-Calibration-1.5-31B-BF16 30,7B IQ2_XXS 16,5 GiB No limite
Holo2-30B-A3B 30,5B (3,0B ativos) Q2_K 13,0 GiB No limite
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B ativos) Q2_K 13,0 GiB No limite
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B ativos) Q2_K 13,0 GiB No limite
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B ativos) Q2_K 13,0 GiB No limite
UI-Venus-1.5-30B-A3B 30,5B (3,0B ativos) Q2_K 13,0 GiB No limite
North-Mini-Code-1.0 30,5B (3,3B ativos) IQ3_XXS 15,1 GiB No limite
GLM-4.7-Flash 29,9B (3,6B ativos) Q2_K 12,8 GiB No limite
granite-4.2-30b 29,3B Q2_K 13,9 GiB No limite
granite-4.1-30b 28,9B Q2_K 13,9 GiB No limite
Muse-Glimmer-30B 27,9B Q3_K_M 15,0 GiB No limite
gemma-2-27b-it 27,2B IQ3_XXS 15,1 GiB No limite
gemma-3-27b-it 27,0B Q2_K 14,4 GiB No limite
translategemma-27b-it 27,0B Q2_K 14,4 GiB No limite
Fara1.5-27B 26,9B IQ3_XXS 14,3 GiB No limite
Holo4-27B 26,9B Q3_K_M 15,2 GiB No limite
Qwen3.5-27B 26,9B Q3_K_M 15,3 GiB No limite
Qwen3.8-27B 26,9B Q3_K_M 14,9 GiB No limite
Qwen3.8-3.6-27B-blend 26,9B Q3_K_M 14,9 GiB No limite
UI-Mate-27B 26,9B IQ3_XXS 14,3 GiB No limite
UI-Mate-democua-27B 26,9B Q3_K_M 15,2 GiB No limite
gemma-4-26B-A4B 25,2B (3,8B ativos) Q2_K 13,0 GiB No limite
gemma-4-26B-A4B-it 25,2B (3,8B ativos) Q3_K_M 15,4 GiB No limite
LFM2.5-24B-A2B 24,0B (2,5B ativos) Q4_0 14,7 GiB No limite
LFM2-24B-A2B 23,8B (2,3B ativos) Q4_0 14,6 GiB No limite
Devstral-Small-2-24B-Instruct-2512 23,6B IQ4_XS 14,7 GiB No limite
Mistral-Small-3.2-24B-Instruct-2506 23,6B IQ4_XS 14,7 GiB No limite
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B ativos) Q4_0 14,6 GiB No limite
EuroLLM-22B-2512 22,6B IQ4_XS 14,7 GiB No limite
EuroLLM-22B-Instruct-2512 22,6B IQ4_XS 14,7 GiB No limite
gpt-oss-20b 20,9B (3,6B ativos) Q8_0 12,9 GiB No limite
OptiMind-SFT 20,9B (3,6B ativos) Q4_0 13,2 GiB No limite
Qwen3-14B 14,8B Q6_K 13,9 GiB No limite
Ministral-3-14B-Instruct-2512 13,5B Q5_K_M 11,6 GiB No limite
Ministral-3-14B-Reasoning-2512 13,5B Q5_K_M 11,6 GiB No limite
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B ativos) Q8_0 14,0 GiB No limite
gemma-4-12B 11,9B Q8_0 15,6 GiB No limite
Bielik-11B-v3.0-Instruct 11,2B Q8_0 14,4 GiB No limite

Modelos que não cabem em uma NVIDIA GeForce RTX 5070

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
DeepSeek-R1-Distill-Qwen-32B 32,8B Q2_K 15,2 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen2.5-32B-Instruct 32,8B Q2_K 15,2 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q2_K 15,2 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3-VL-32B-Instruct 32,8B Q2_K 15,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3-VL-32B-Thinking 32,8B Q2_K 15,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3.6-27B 26,9B Q3_K_M 15,4 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Qwen3.5-35B-A3B 34,7B (2,9B ativos) Q3_K_M 17,6 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
gemma-4-31B 30,7B Q2_K 17,6 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Holotron4-30B-A3B 31,6B (3,2B ativos) IQ2_M 18,9 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B ativos) IQ2_M 18,9 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B ativos) Q2_K 18,9 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B ativos) IQ2_M 19,1 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B ativos) IQ2_M 19,1 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B ativos) IQ4_XS 19,1 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B ativos) IQ4_XS 20,0 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-30B-A3B 30,5B (3,0B ativos) Q4_K_M 20,1 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
gemma-4-31B-it 30,7B Q3_K_M 20,3 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
EXAONE-4.5-33B 32,5B IQ4_XS 20,4 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Llama-3.1-70B-Instruct 70,6B IQ2_XXS 22,3 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-Coder-Next-Base 79,7B (3,6B ativos) IQ2_XXS 22,3 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-32B 32,8B Q4_K_M 22,4 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
QwQ-32B 32,8B Q4_K_M 22,5 GiB Espera-se que 3 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B ativos) Q4_K_M 23,3 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Solar-Open-100B 103B (11,2B ativos) IQ2_XXS 29,4 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
DeepSeek-R1-Distill-Llama-70B 70,6B Q2_K 29,4 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Llama-3.3-70B-Instruct 70,6B Q2_K 29,4 GiB Espera-se que 4 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B ativos) Q2_K 30,3 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3-Coder-Next 79,7B (3,6B ativos) Q2_K 30,4 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B ativos) IQ2_XXS 31,1 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B ativos) IQ2_XXS 32,9 GiB Espera-se que 5 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Mistral-Small-4-119B-2603 119B (6,1B ativos) IQ2_XXS 34,3 GiB Espera-se que 7 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3.5-122B-A10B 122B (9,0B ativos) IQ2_XXS 35,0 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen-AgentWorld-35B-A3B 34,7B (2,9B ativos) Q8_0 37,6 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
MiniMax-M2.5-REAP-139B-A10B 139B (10,4B ativos) IQ2_XXS 39,2 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
INTELLECT-3 107B (12,8B ativos) IQ2_XXS 39,6 GiB Espera-se que 6 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Step-3.5-Flash-REAP-149B-A11B 149B (11,4B ativos) IQ2_XXS 40,1 GiB Espera-se que 6 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 6 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 7 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 7 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 8 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 7 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 7 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 7 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 7 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 No limite com 8 placas. Não cabe
MiniMax-M2.7 229B (10,4B ativos) IQ2_XXS 62,9 GiB No limite com 8 placas. Não cabe
Baichuan-M3-235B 235B (21,6B ativos) IQ2_XXS 63,2 GiB No limite com 8 placas. Não cabe
Holo2-235B-A22B 235B (21,6B ativos) IQ2_XXS 63,2 GiB No limite com 8 placas. Não cabe
Qwen3-Nemotron-235B-A22B-GenRM 235B (21,6B ativos) IQ2_XXS 63,2 GiB No limite com 8 placas. Não cabe
command-a-plus-05-2026-bf16 218B (25,0B ativos) IQ2_XXS 63,6 GiB No limite com 8 placas. Não cabe
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 121B (12,2B ativos) Q4_0 71,8 GiB No limite com 8 placas. Não cabe
GLM-4.7-REAP-268B-A32B 269B (32,8B ativos) IQ2_XXS 73,0 GiB No limite com 8 placas. Não cabe
Step-3.7-Flash 197B (11,5B ativos) IQ3_XXS 76,1 GiB No limite com 8 placas. Não cabe
Hy3 295B (20,2B ativos) IQ2_XXS 82,2 GiB No limite com 8 placas. Não cabe
MiMo-V2.5 309B (14,8B ativos) IQ2_XXS 82,4 GiB No limite com 8 placas. Não cabe
GLM-4.7-REAP-218B-A32B 218B (32,8B ativos) Q2_K 82,9 GiB No limite com 8 placas. Não cabe
MiniMax-M2 229B (10,4B ativos) Q2_K 84,9 GiB No limite com 8 placas. Não cabe
MiniMax-M2.1 229B (10,4B ativos) Q2_K 84,9 GiB No limite com 8 placas. Não cabe
MiniMax-M2.5 229B (10,4B ativos) Q2_K 84,9 GiB No limite com 8 placas. Não cabe
Qwen3-235B-A22B-Instruct-2507 235B (21,6B ativos) Q2_K 86,7 GiB No limite com 8 placas. Não cabe
Qwen3-VL-235B-A22B-Instruct 235B (21,6B ativos) Q2_K 86,7 GiB No limite com 8 placas. Não cabe
GLM-5.3-Flash-BF16 313B (16,7B ativos) IQ2_XXS 92,0 GiB No limite com 8 placas. 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 No limite com 8 placas. Não cabe
Trinity-Large-TrueBase 399B (12,8B ativos) IQ2_XXS 96,4 GiB No limite com 8 placas. Não cabe
GLM-4.6-REAP-268B-A32B 269B (32,8B ativos) Q2_K 100,9 GiB No limite com 8 placas. Não cabe
Trinity-Large-Thinking 399B (12,8B ativos) IQ2_XXS 107,1 GiB No limite com 8 placas. Não cabe
MiMo-V2-Flash 309B (14,8B ativos) Q2_K 111,6 GiB Não cabe nem em 8 placas. Não cabe
Intern-S2-397B 396B (16,3B ativos) IQ2_XXS 114,3 GiB Não cabe nem em 8 placas. Não cabe
MiMo-V2.6-Flash-MOPD 309B (14,8B ativos) Q2_K 124,9 GiB Não cabe nem em 8 placas. Não cabe
MiMo-V2.6-Flash-RL 309B (14,8B ativos) Q2_K 124,9 GiB Não cabe nem em 8 placas. Não cabe
K-EXAONE-236B-A23B 237B (22,7B ativos) IQ4_XS 126,3 GiB Não cabe nem em 8 placas. Não cabe
GLM-4.5 353B (32,9B ativos) Q2_K 130,7 GiB Não cabe nem em 8 placas. Não cabe
GLM-4.7 353B (32,9B ativos) Q2_K 130,7 GiB Não cabe nem em 8 placas. Não cabe
Qwen3-Coder-REAP-363B-A35B 363B (34,5B ativos) Q2_K 132,7 GiB Não cabe nem em 8 placas. Não cabe
Qwen3-235B-A22B 235B (21,6B ativos) Q4_K_M 141,9 GiB Não cabe nem em 8 placas. Não cabe
Qwen3-Coder-480B-A35B-Instruct 480B (34,5B ativos) Q2_K 174,3 GiB Não cabe nem em 8 placas. Não cabe
Qwen3.5-397B-A17B 396B (16,3B ativos) Q3_K_M 175,6 GiB Não cabe nem em 8 placas. Não cabe
GLM-5.1 744B (40,8B ativos) IQ2_XXS 197,6 GiB Não cabe nem em 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

Páginas detalhadas para esta GPU

Outros dispositivos com 12 GB