A NVIDIA GeForce RTX 2080 Ti consegue executar Qwen3.5-9B?

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

Cabe Pela verificação de carregamento padrão do llama.cpp, Qwen3.5-9B cabe na NVIDIA GeForce RTX 2080 Ti em Q5_K_M com um contexto de 8.192 tokens. Uma placa precisa de 7,7 GiB disponíveis para “Cabe”.

Em Q5_K_M, o maior contexto que cabe é de 12.032 tokens.

“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

Valores atualizados em 19 de out. de 2026 · Calculadora

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): 7,88 GiB por placa = 11 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 11 GiB completos por placa. Perfis de execução e suas medições

Memória necessária por quantização e contexto

Memória disponível necessária para “Cabe” (X, GiB por placa) e o resultado na NVIDIA GeForce RTX 2080 Ti.
Quantização	4.096	8.192	32.768	131.072
BF16	17,4 GiB Não cabe	17,5 GiB Não cabe	18,4 GiB Não cabe	21,7 GiB Não cabe
Q8_0	10,1 GiB No limite	10,3 GiB No limite	11,1 GiB No limite	14,4 GiB Não cabe
Q6_K	8,3 GiB No limite	8,5 GiB No limite	9,3 GiB No limite	12,7 GiB No limite
Q5_K_M	7,6 GiB Cabe	7,7 GiB Cabe	8,6 GiB No limite	11,9 GiB No limite
Q4_K_M	6,8 GiB Cabe	7,0 GiB Cabe	7,8 GiB Cabe	11,2 GiB No limite
Q4_0	6,5 GiB Cabe	6,7 GiB Cabe	7,5 GiB Cabe	10,9 GiB No limite
IQ4_XS	6,3 GiB Cabe	6,5 GiB Cabe	7,3 GiB Cabe	10,7 GiB No limite
Q3_K_M	6,0 GiB Cabe	6,1 GiB Cabe	7,0 GiB Cabe	10,3 GiB No limite

Qual a velocidade de geração?

Em Q5_K_M, o limite teórico é de cerca de 100 tokens por segundo (616 GB/s ÷ 6,14 GB lidos por token).

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

Alternativas

Outras GPUs de 11 GB em que Qwen3.5-9B cabe

NVIDIA GeForce GTX 1080 Ti 11 GB

Fontes

Página do modelo, com todas as quantizações e seus arquivos: Qwen3.5-9B
Página da GPU, com cada especificação e suas fontes: NVIDIA GeForce RTX 2080 Ti
Arquivos do modelo no Hugging Face (revisões fixadas): Qwen/Qwen3.5-9B@c202236, unsloth/Qwen3.5-9B-GGUF@3885219
Tamanho da memória de NVIDIA GeForce RTX 2080 Ti segundo: Wikipedia: GeForce RTX 20 series (CC BY-SA 4.0), GetDeploying GPU Models (CC BY 4.0)
Metodologia