A NVIDIA GeForce RTX 3090 consegue executar Qwen3.6-35B-A3B?

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, Qwen3.6-35B-A3B cabe na NVIDIA GeForce RTX 3090 em Q4_0 com um contexto de 8.192 tokens. Uma placa precisa de 21,2 GiB disponíveis para “Cabe”.

Em Q4_0, o maior contexto que cabe é de 19.200 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): 21,44 GiB por placa = 24 GiB nominais − 453 MiB (nominal menos o total que o llama.cpp informou para esta GPU em logs públicos) − 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 se aplicam à configuração observada em logs públicos, nos quais o llama.cpp informou 24.123 MiB de memória total para esta GPU. 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

Memória necessária por quantização e contexto

Memória disponível necessária para “Cabe” (X, GiB por placa) e o resultado na NVIDIA GeForce RTX 3090.
Quantização	4.096	8.192	32.768	131.072
BF16	68,9 GiB Não cabe	68,9 GiB Não cabe	69,5 GiB Não cabe	71,7 GiB Não cabe
Q8_0	37,5 GiB Não cabe	37,6 GiB Não cabe	38,1 GiB Não cabe	40,3 GiB Não cabe
Q6_K	30,9 GiB Não cabe	31,0 GiB Não cabe	31,5 GiB Não cabe	33,7 GiB Não cabe
Q5_K_M	26,0 GiB No limite	26,1 GiB No limite	26,7 GiB No limite	28,8 GiB No limite
Q4_K_M	22,5 GiB No limite	22,6 GiB No limite	23,2 GiB No limite	25,3 GiB No limite
Q4_0	21,1 GiB Cabe	21,2 GiB Cabe	21,7 GiB No limite	23,9 GiB No limite
IQ4_XS	20,0 GiB Cabe	20,1 GiB Cabe	20,6 GiB Cabe	22,8 GiB No limite
Q3_K_M	17,5 GiB Cabe	17,6 GiB Cabe	18,2 GiB Cabe	20,3 GiB Cabe
IQ3_XXS	16,2 GiB Cabe	16,3 GiB Cabe	16,8 GiB Cabe	19,0 GiB Cabe
Q2_K	14,0 GiB Cabe	14,1 GiB Cabe	14,7 GiB Cabe	16,8 GiB Cabe
IQ2_M	13,5 GiB Cabe	13,5 GiB Cabe	14,1 GiB Cabe	16,3 GiB Cabe
IQ2_XXS	11,3 GiB Cabe	11,3 GiB Cabe	11,9 GiB Cabe	14,1 GiB Cabe

Qual a velocidade de geração?

Em Q4_0, o limite teórico é de cerca de 430 tokens por segundo (936 GB/s ÷ 2,17 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 24 GB em que Qwen3.6-35B-A3B cabe

AMD Radeon RX 7900 XTX 24 GB
NVIDIA GeForce RTX 3090 Ti 24 GB

Fontes

Página do modelo, com todas as quantizações e seus arquivos: Qwen3.6-35B-A3B
Página da GPU, com cada especificação e suas fontes: NVIDIA GeForce RTX 3090
Arquivos do modelo no Hugging Face (revisões fixadas): Qwen/Qwen3.6-35B-A3B@995ad96, bartowski/Qwen_Qwen3.6-35B-A3B-GGUF@5c2410d
Tamanho da memória de NVIDIA GeForce RTX 3090 segundo: Wikipedia: GeForce RTX 30 series (CC BY-SA 4.0), GetDeploying GPU Models (CC BY 4.0)
Metodologia