DeskGPU
Português (Brasil)

Quais modelos cabem em 32 GB de VRAM?

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

Para uma GPU genérica de consumo (desktop) com 32 GB de memória (contados como 32 GiB, como fazem os fabricantes de GPUs) em sua configuração padrão, avaliada com o perfil de execução CUDA (NVIDIA) e a maior diferença entre o total nominal e o total informado medida em placas de consumo e de estação de trabalho. Contexto de 8.192 tokens (ou o máximo do modelo, se menor), llama.cpp. As GPUs reais listadas abaixo mostram seus próprios resultados.

311 modelos cabem · Valores atualizados em 19 de out. de 2026

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): 28,88 GiB por placa = 32 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 32 GiB completos por placa. Perfis de execução e suas medições

“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

Placa genérica de 32 GB, contexto de 8.192 tokens: maior quantização que cabe e seu maior comprimento de contexto. Sem limite de velocidade: ele depende da largura de banda da placa.
Modelo Parâmetros Maior quantização que cabe Memória disponível necessária para “Cabe” Maior contexto Limite de velocidade Resultado
Qwen3-Coder-Next-Base 79,7B (3,6B ativos) IQ2_M 27,2 GiB 70.912 — Cabe
KAT-Dev-72B-Exp 72,7B IQ2_XXS 28,5 GiB 9.216 — Cabe
Llama-3.1-70B-Instruct 70,6B IQ2_M 27,1 GiB 13.568 — Cabe
AI21-Jamba2-Mini 51,6B (11,8B ativos) IQ4_XS 28,3 GiB 38.912 — Cabe
Kimi-Linear-48B-A3B-Base 49,1B (3,1B ativos) Q4_0 28,7 GiB 26.368 — Cabe
Kimi-Linear-48B-A3B-Instruct 49,1B (3,1B ativos) IQ4_XS 27,3 GiB 164.096 — Cabe
Hermes-4.3-36B 36,2B Q5_K_M 28,0 GiB 11.520 — Cabe
Kimi-Linear-REAP-35B-A3B-Instruct 35,1B (3,1B ativos) Q5_K_M 25,8 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
Holo-3.1-35B-A3B 34,7B (2,9B ativos) Q5_K_M 25,8 GiB 146.176 — Cabe
Holo3-35B-A3B 34,7B (2,9B ativos) Q5_K_M 25,8 GiB 146.176 — Cabe
Holo4-35B-A3B 34,7B (2,9B ativos) Q5_K_M 27,9 GiB 54.528 — Cabe
Ising-Calibration-1-35B-A3B 34,7B (2,9B ativos) Q5_K_M 25,8 GiB 146.176 — Cabe
KAT-Coder-V2.5-Dev 34,7B (2,9B ativos) Q5_K_M 26,1 GiB 133.376 — Cabe
Qwen3.5-35B-A3B 34,7B (2,9B ativos) Q5_K_M 27,1 GiB 87.040 — Cabe
Qwen3.5-35B-A3B-Base 34,7B (2,9B ativos) Q5_K_M 25,9 GiB 144.384 — Cabe
Qwen3.6-35B-A3B 34,7B (2,9B ativos) Q5_K_M 26,1 GiB 133.376 — Cabe
MiniCPM-V-4.7-35B-A3B 34,7B (2,9B ativos) Q5_K_M 25,8 GiB 146.176 — Cabe
Laguna-XS-2.1 33,4B (2,8B ativos) Q5_K_M 25,3 GiB 92.672 — Cabe
DeepSeek-R1-Distill-Qwen-32B 32,8B Q5_K_M 25,7 GiB 20.224 — Cabe
Qwen2.5-32B-Instruct 32,8B Q5_K_M 25,7 GiB 20.224 — Cabe
Qwen2.5-Coder-32B-Instruct 32,8B Q5_K_M 25,7 GiB 20.224 — Cabe
QwQ-32B 32,8B Q5_K_M 25,7 GiB 20.224 — Cabe
AesCode-32B 32,8B Q5_K_M 26,2 GiB 18.176 — Cabe
Cosmos-Reason2-32B 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
FrogBoss-32B-2510 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
Nemotron-Terminal-32B 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
Qwen3-32B 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
Qwen3-VL-32B-Instruct 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
Qwen3-VL-32B-Thinking 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
SERA-32B 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
WebWorld-32B 32,8B Q5_K_M 25,7 GiB 20.480 — Cabe
EXAONE-4.5-33B 32,5B Q5_K_M 25,6 GiB 32.768 — Cabe
Olmo-3.1-32B-Instruct 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Olmo-3.1-32B-Instruct-DPO 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Olmo-3.1-32B-Think 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Olmo-3-1125-32B 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Olmo-3-32B-Think 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Olmo-3-32B-Think-DPO 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Olmo-3-32B-Think-SFT 32,2B Q5_K_M 25,5 GiB 34.048 — Cabe
Holotron4-30B-A3B 31,6B (3,2B ativos) Q5_K_M 26,8 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 31,6B (3,2B ativos) Q4_K_M 23,3 GiB 262.144 — Cabe
Nemotron-Cascade-2-30B-A3B 31,6B (3,2B ativos) Q5_K_M 27,0 GiB 247.040 — Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 31,6B (3,2B ativos) Q5_K_M 26,6 GiB 262.144 — Cabe
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 31,6B (3,2B ativos) Q5_K_M 27,0 GiB 247.040 — Cabe
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 31,6B (3,2B ativos) Q5_K_M 26,9 GiB 254.720 — Cabe
NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-BF16 31,6B (3,2B ativos) Q5_K_M 26,8 GiB 262.144 — Cabe
gemma-4-31B 30,7B Q5_K_M 27,3 GiB 27.136 — Cabe
gemma-4-31B-it 30,7B Q5_K_M 27,1 GiB 29.184 — Cabe
Ising-Calibration-1.5-31B-BF16 30,7B Q5_K_M 28,1 GiB 17.920 — Cabe
Holo2-30B-A3B 30,5B (3,0B ativos) Q6_K 26,5 GiB 32.768 — Cabe
Qwen3-30B-A3B 30,5B (3,0B ativos) Q6_K 26,5 GiB 32.768 — Cabe
Qwen3-30B-A3B-Instruct-2507 30,5B (3,0B ativos) Q6_K 26,5 GiB 32.768 — Cabe
Qwen3-Coder-30B-A3B-Instruct 30,5B (3,0B ativos) Q6_K 26,5 GiB 32.768 — Cabe
Qwen3-VL-30B-A3B-Instruct 30,5B (3,0B ativos) Q6_K 26,5 GiB 32.768 — Cabe
UI-Venus-1.5-30B-A3B 30,5B (3,0B ativos) Q6_K 26,5 GiB 32.768 — Cabe
North-Mini-Code-1.0 30,5B (3,3B ativos) Q6_K 28,2 GiB 14.336 — Cabe
GLM-4.7-Flash 29,9B (3,6B ativos) Q6_K 25,7 GiB 65.536 — Cabe
granite-4.2-30b 29,3B Q6_K 26,6 GiB 16.896 — Cabe
granite-4.1-30b 28,9B Q6_K 26,6 GiB 16.896 — Cabe
Muse-Glimmer-30B 27,9B Q6_K 23,7 GiB 131.072 — Cabe
gemma-2-27b-it 27,2B Q6_K 26,5 GiB 8.192 — Cabe
gemma-3-27b-it 27,0B Q6_K 25,9 GiB 44.800 — Cabe
translategemma-27b-it 27,0B Q6_K 25,9 GiB 44.800 — Cabe
Fara1.5-27B 26,9B Q6_K 24,4 GiB 75.776 — Cabe
Holo4-27B 26,9B Q6_K 23,3 GiB 92.672 — Cabe
Qwen3.5-27B 26,9B Q6_K 23,6 GiB 87.040 — Cabe
Qwen3.6-27B 26,9B Q6_K 23,7 GiB 86.016 — Cabe
Qwen3.8-27B 26,9B Q6_K 24,8 GiB 69.888 — Cabe
Qwen3.8-3.6-27B-blend 26,9B Q6_K 24,8 GiB 69.888 — Cabe
UI-Mate-27B 26,9B Q6_K 24,4 GiB 75.776 — Cabe
UI-Mate-democua-27B 26,9B Q6_K 23,3 GiB 92.672 — Cabe
Trinity-Mini 26,1B (3,1B ativos) Q8_0 28,8 GiB 12.544 — Cabe
Trinity-Mini-Base 26,1B (3,1B ativos) Q6_K 22,7 GiB 131.072 — Cabe
Trinity-Mini-Base-Pre-Anneal 26,1B (3,1B ativos) Q6_K 22,4 GiB 4.096 — Cabe
gemma-4-26B-A4B 25,2B (3,8B ativos) Q6_K 24,8 GiB 191.744 — Cabe
gemma-4-26B-A4B-it 25,2B (3,8B ativos) Q6_K 25,0 GiB 181.760 — Cabe
Qwen3-Coder-REAP-25B-A3B 24,9B (3,0B ativos) Q8_0 27,7 GiB 19.712 — Cabe
LFM2.5-24B-A2B 24,0B (2,5B ativos) Q8_0 26,4 GiB 118.784 — Cabe
LFM2-24B-A2B 23,8B (2,3B ativos) Q8_0 26,3 GiB 124.672 — Cabe
Devstral-Small-2-24B-Instruct-2512 23,6B Q8_0 26,5 GiB 23.040 — Cabe
Mistral-Small-3.2-24B-Instruct-2506 23,6B Q8_0 26,5 GiB 23.040 — Cabe
GLM-4.7-Flash-REAP-23B-A3B 23,0B (3,6B ativos) Q8_0 25,4 GiB 71.168 — Cabe
EuroLLM-22B-2512 22,6B Q6_K 20,6 GiB 32.768 — Cabe
EuroLLM-22B-Instruct-2512 22,6B Q8_0 25,8 GiB 22.016 — Cabe
gpt-oss-20b 20,9B (3,6B ativos) Q8_0 12,9 GiB 131.072 — Cabe
OptiMind-SFT 20,9B (3,6B ativos) Q6_K 22,8 GiB 131.072 — Cabe
DeepSeek-R1-Distill-Qwen-14B 14,8B Q8_0 17,5 GiB 66.560 — Cabe
Qwen2.5-14B-Instruct 14,8B Q8_0 17,5 GiB 32.768 — Cabe
ContextPilot-14B 14,8B Q8_0 17,2 GiB 40.960 — Cabe
FrogMini-14B-2510 14,8B Q6_K 13,9 GiB 40.960 — Cabe
JanusCoder-14B 14,8B Q8_0 17,2 GiB 32.768 — Cabe
Nemotron-Cascade-14B-Thinking 14,8B Q8_0 17,2 GiB 32.768 — Cabe
Nemotron-Terminal-14B 14,8B Q6_K 13,9 GiB 40.960 — Cabe
NousCoder-14B 14,8B Q8_0 17,2 GiB 79.872 — Cabe
Qwen3-14B 14,8B Q8_0 17,2 GiB 40.960 — Cabe
Qwen3-Nemotron-14B-BRRM 14,8B Q6_K 13,9 GiB 40.960 — Cabe
WebWorld-14B 14,8B Q6_K 13,9 GiB 40.960 — Cabe
phi-4 14,7B Q8_0 17,7 GiB 16.384 — Cabe
Apriel-1.6-15b-Thinker 14,4B Q8_0 17,2 GiB 68.096 — Cabe
Ministral-3-14B-Instruct-2512 13,5B BF16 27,8 GiB 14.848 — Cabe
Ministral-3-14B-Reasoning-2512 13,5B BF16 27,8 GiB 14.848 — Cabe
Mistral-Nemo-Instruct-2407 12,2B F16 25,3 GiB 30.208 — Cabe
Mellum2.1-12B-A2.5B-Thinking 12,1B (2,2B ativos) BF16 25,0 GiB 131.072 — Cabe
Mellum2-12B-A2.5B-Base 12,1B (2,2B ativos) Q6_K 12,1 GiB 131.072 — Cabe
Mellum2-12B-A2.5B-Instruct 12,1B (2,2B ativos) BF16 25,0 GiB 131.072 — Cabe
Mellum2-12B-A2.5B-Instruct-SFT 12,1B (2,2B ativos) Q6_K 12,1 GiB 131.072 — Cabe
Mellum2-12B-A2.5B-Thinking 12,1B (2,2B ativos) BF16 25,0 GiB 131.072 — Cabe
Mellum2-12B-A2.5B-Thinking-SFT 12,1B (2,2B ativos) Q6_K 12,1 GiB 131.072 — Cabe
gemma-4-12B 11,9B BF16 26,5 GiB 138.752 — Cabe
gemma-4-12B-it 11,9B BF16 26,5 GiB 138.752 — Cabe
gemma-3-12b-it 11,8B BF16 26,6 GiB 41.984 — Cabe
translategemma-12b-it 11,8B Q8_0 15,8 GiB 131.072 — Cabe
Bielik-11B-v3.0-Instruct 11,2B BF16 24,6 GiB 29.440 — Cabe
AutoGLM-Phone-9B 9,4B F16 18,9 GiB 65.536 — Cabe
AutoGLM-Phone-9B-Multilingual 9,4B Q6_K 9,2 GiB 65.536 — Cabe
GLM-4.6V-Flash 9,4B BF16 18,9 GiB 131.072 — Cabe
gemma-2-9b-it 9,2B Q8_0 14,8 GiB 8.192 — Cabe
EuroLLM-9B-Instruct-2512 9,2B F16 19,6 GiB 32.768 — Cabe
Fara1.5-9B 9,0B BF16 17,5 GiB 262.144 — Cabe
Holo-3.1-9B 9,0B F16 17,5 GiB 262.144 — Cabe
MiMo-V2.6-Distill-Qwen-9B 9,0B BF16 17,5 GiB 262.144 — Cabe
Qwen3.5-9B 9,0B BF16 17,5 GiB 262.144 — Cabe
Qwen3.5-9B-Base 9,0B F16 17,5 GiB 262.144 — Cabe
UI-Mate-9B 9,0B BF16 17,5 GiB 262.144 — Cabe
UI-Venus-2-9B 9,0B BF16 17,5 GiB 262.144 — Cabe
NVIDIA-Nemotron-Nano-9B-v2 8,9B BF16 18,3 GiB 131.072 — Cabe
granite-4.1-8b 8,8B BF16 19,0 GiB 68.608 — Cabe
granite-4.2-8b 8,8B BF16 19,0 GiB 68.608 — Cabe
Ministral-3-8B-Instruct-2512 8,5B BF16 18,0 GiB 86.528 — Cabe
Ministral-3-8B-Reasoning-2512 8,5B BF16 18,0 GiB 86.528 — Cabe
LFM2.5-8B-A1B 8,5B (1,7B ativos) BF16 18,0 GiB 128.000 — Cabe
granite-guardian-4.1-8b 8,4B BF16 19,0 GiB 68.608 — Cabe
LFM2-8B-A1B 8,3B (1,6B ativos) F16 17,7 GiB 128.000 — Cabe
rnj-1-instruct 8,3B BF16 18,6 GiB 32.768 — Cabe
AesCode-8B 8,2B BF16 17,3 GiB 86.784 — Cabe
ArmorOCR 8,2B Q8_0 10,4 GiB 134.144 — Cabe
AstaBrief_8B 8,2B Q6_K 8,6 GiB 40.960 — Cabe
ContextPilot-8B 8,2B Q6_K 8,6 GiB 40.960 — Cabe
Cosmos-Reason2-8B 8,2B Q6_K 8,6 GiB 146.432 — Cabe
DeepSeek-R1-0528-Qwen3-8B 8,2B BF16 17,3 GiB 86.784 — Cabe
Holo2-8B 8,2B Q6_K 8,6 GiB 146.432 — Cabe
intent-aware-lfqa-qwen3-8b-baseline 8,2B F16 17,3 GiB 40.960 — Cabe
intent-aware-lfqa-qwen3-8b-intent-explicit 8,2B F16 17,3 GiB 40.960 — Cabe
intent-aware-lfqa-qwen3-8b-intent-implicit 8,2B F16 17,3 GiB 40.960 — Cabe
intent-aware-lfqa-qwen3-8b-multiview 8,2B F16 17,3 GiB 40.960 — Cabe
JanusCoder-8B 8,2B BF16 17,3 GiB 32.768 — Cabe
MathForm-8B 8,2B F16 17,3 GiB 40.960 — Cabe
Nemotron-Cascade-8B 8,2B BF16 17,3 GiB 32.768 — Cabe
Nemotron-Cascade-8B-Thinking 8,2B BF16 17,3 GiB 32.768 — Cabe
Nemotron-Orchestrator-8B 8,2B BF16 17,3 GiB 40.960 — Cabe
Nemotron-Terminal-8B 8,2B Q6_K 8,6 GiB 40.960 — Cabe
Qwen3-8B 8,2B Q8_0 10,4 GiB 40.960 — Cabe
Qwen3-Nemotron-8B-BRRM 8,2B Q6_K 8,6 GiB 40.960 — Cabe
Qwen3-VL-8B-Instruct 8,2B BF16 17,3 GiB 86.784 — Cabe
Qwen3-VL-8B-Thinking 8,2B BF16 17,3 GiB 86.784 — Cabe
RLVR-8B-0926 8,2B Q6_K 8,6 GiB 146.432 — Cabe
Step3-VL-10B-Base 8,2B Q6_K 8,6 GiB 40.960 — Cabe
UI-Venus-1.5-8B 8,2B Q6_K 8,6 GiB 146.432 — Cabe
WebWorld-8B 8,2B F16 17,3 GiB 40.960 — Cabe
ZwZ-8B 8,2B Q6_K 8,6 GiB 146.432 — Cabe
MiniCPM-o-4_5 8,2B F16 17,3 GiB 40.960 — Cabe
granite-3.3-8b-instruct 8,2B F16 18,6 GiB 71.168 — Cabe
granite-guardian-3.2-8b-factuality-detection 8,2B F16 18,6 GiB 71.168 — Cabe
intent-aware-lfqa-llama3-8b-baseline 8,0B F16 17,0 GiB 98.816 — Cabe
intent-aware-lfqa-llama3-8b-intent-explicit 8,0B F16 17,0 GiB 98.816 — Cabe
intent-aware-lfqa-llama3-8b-intent-implicit 8,0B F16 17,0 GiB 98.816 — Cabe
intent-aware-lfqa-llama3-8b-multiview 8,0B F16 17,0 GiB 98.816 — Cabe
DeepSeek-R1-Distill-Llama-8B 8,0B BF16 17,0 GiB 98.816 — Cabe
HARC-Llama-3.1-8B-Instruct 8,0B Q6_K 8,4 GiB 131.072 — Cabe
Llama-3.1-8B-Instruct 8,0B BF16 17,0 GiB 98.816 — Cabe
AprielGuard 7,9B Q6_K 7,9 GiB 131.072 — Cabe
MiMo-Embodied-7B 7,6B Q6_K 8,1 GiB 128.000 — Cabe
DeepSeek-R1-Distill-Qwen-7B 7,6B F16 15,6 GiB 131.072 — Cabe
Fara-7B 7,6B BF16 15,6 GiB 128.000 — Cabe
HARC-Qwen2.5-7B-Instruct 7,6B Q6_K 7,5 GiB 32.768 — Cabe
JanusCoderV-7B 7,6B BF16 15,6 GiB 128.000 — Cabe
olmOCR-2-7B-1025 7,6B BF16 15,6 GiB 128.000 — Cabe
Qwen2.5-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 — Cabe
Qwen2.5-Coder-7B-Instruct 7,6B Q8_0 9,1 GiB 32.768 — Cabe
Qwen2.5-VL-7B-Instruct 7,6B BF16 15,6 GiB 128.000 — Cabe
Qwen2.5-VL-7B-Surg-CholecT50 7,6B F16 15,6 GiB 128.000 — Cabe
Spatial-SSRL-7B 7,6B Q6_K 7,5 GiB 128.000 — Cabe
X-Reasoner-7B 7,6B Q6_K 7,5 GiB 128.000 — Cabe
ZwZ-7B 7,6B Q6_K 7,5 GiB 128.000 — Cabe
gemma-4-E4B 7,5B F16 11,0 GiB 131.072 — Cabe
gemma-4-E4B-it 7,5B BF16 11,0 GiB 131.072 — Cabe
Bielik-Minitron-7B-v3.0-Instruct 7,5B Q8_0 10,2 GiB 32.768 — Cabe
ContextPilot-E4B 7,5B F16 10,9 GiB 131.072 — Cabe
Olmo-3.1-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3.1-7B-RL-Zero-Math 7,3B F16 19,0 GiB 57.856 — Cabe
Olmo-3-7B-Instruct 7,3B BF16 19,0 GiB 57.856 — Cabe
Olmo-3-7B-Instruct-DPO 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-Instruct-SFT 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-RL-Zero-Code 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-RL-Zero-General 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-RL-Zero-IF 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-RL-Zero-Math 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-RL-Zero-Mix 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-Think 7,3B BF16 19,0 GiB 57.856 — Cabe
Olmo-3-7B-Think-DPO 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Olmo-3-7B-Think-SFT 7,3B Q6_K 11,0 GiB 65.536 — Cabe
Mistral-7B-Instruct-v0.2 7,2B Q6_K 8,1 GiB 32.768 — Cabe
Trinity-Nano-Base 6,1B (819M ativos) Q6_K 6,7 GiB 131.072 — Cabe
Trinity-Nano-Base-Pre-Anneal 6,1B (819M ativos) Q6_K 6,4 GiB 4.096 — Cabe
Trinity-Nano-Preview 6,1B (819M ativos) BF16 13,5 GiB 131.072 — Cabe
Youtu-VL-4B-Instruct 4,9B Q6_K 5,9 GiB 32.768 — Cabe
Holo-3.1-4B 4,8B F16 10,2 GiB 262.144 — Cabe
gemma-4-E2B 4,6B Q6_K 3,5 GiB 131.072 — Cabe
gemma-4-E2B-it 4,6B BF16 6,1 GiB 131.072 — Cabe
AgentCPM-Explore 4,4B Q6_K 5,7 GiB 165.888 — Cabe
CapRL-Qwen3VL-4B 4,4B F16 10,4 GiB 134.144 — Cabe
Holo2-4B 4,4B F16 10,4 GiB 134.144 — Cabe
intent-aware-lfqa-qwen3-4b-baseline 4,4B F16 10,4 GiB 40.960 — Cabe
intent-aware-lfqa-qwen3-4b-intent-explicit 4,4B F16 10,4 GiB 40.960 — Cabe
intent-aware-lfqa-qwen3-4b-intent-implicit 4,4B F16 10,4 GiB 40.960 — Cabe
intent-aware-lfqa-qwen3-4b-multiview 4,4B F16 10,4 GiB 40.960 — Cabe
Spatial-SSRL-Qwen3VL-4B 4,4B F16 10,4 GiB 134.144 — Cabe
ZwZ-4B 4,4B Q6_K 5,7 GiB 165.888 — Cabe
Fara1.5-4B 4,2B BF16 10,2 GiB 262.144 — Cabe
FrogNano-4B-2609 4,2B BF16 10,2 GiB 262.144 — Cabe
Qwen3.5-4B 4,2B BF16 10,2 GiB 262.144 — Cabe
Qwen3.5-4B-Base 4,2B F16 10,2 GiB 262.144 — Cabe
UserRepGen-4B 4,2B BF16 10,2 GiB 262.144 — Cabe
Riva-Translate-4B-Instruct-v1.1 4,2B Q6_K 6,0 GiB 8.192 — Cabe
GELab-Zero-4B-preview 4,0B BF16 10,4 GiB 134.144 — Cabe
Qwen3-4B 4,0B Q8_0 6,7 GiB 40.960 — Cabe
Qwen3-4B-Instruct-2507 4,0B F16 10,4 GiB 134.144 — Cabe
Qwen3-VL-4B-Instruct 4,0B BF16 10,4 GiB 134.144 — Cabe
Qwen3-VL-4B-Thinking 4,0B BF16 10,4 GiB 134.144 — Cabe
NVIDIA-Nemotron-3-Nano-4B-BF16 4,0B BF16 8,7 GiB 262.144 — Cabe
gemma-3-4b-it 3,9B BF16 9,9 GiB 131.072 — Cabe
medgemma-1.5-4b-it 3,9B BF16 9,9 GiB 131.072 — Cabe
Nemotron-3-Content-Safety 3,9B Q6_K 5,4 GiB 131.072 — Cabe
translategemma-4b-it 3,9B F16 9,9 GiB 131.072 — Cabe
Phi-4-mini-instruct 3,8B BF16 10,0 GiB 131.072 — Cabe
Apertus-v1.1-4B 3,8B Q6_K 4,4 GiB 4.096 — Cabe
Phi-3.5-mini-instruct 3,8B Q8_0 8,3 GiB 61.184 — Cabe
granite-4.2-3b 3,7B BF16 8,6 GiB 131.072 — Cabe
BitCPM-CANN-3B-unquantized 3,6B Q6_K 4,3 GiB 32.768 — Cabe
kanana-2-3b-instruct 3,5B F16 8,6 GiB 32.768 — Cabe
Ministral-3-3B-Instruct-2512 3,4B BF16 8,9 GiB 196.096 — Cabe
Ministral-3-3B-Reasoning-2512 3,4B BF16 8,9 GiB 196.096 — Cabe
granite-vision-4.1-4b 3,4B BF16 8,6 GiB 131.072 — Cabe
granite-4.1-3b 3,4B BF16 8,6 GiB 131.072 — Cabe
granite-guardian-4.0-3b-toxicity-ja 3,4B Q6_K 4,7 GiB 131.072 — Cabe
Qwen2.5-3B-Instruct 3,4B Q8_0 4,8 GiB 32.768 — Cabe
tiny-aya-earth 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
tiny-aya-fire 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
tiny-aya-global 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
tiny-aya-water 3,3B BF16 8,7 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
Llama-3.2-3B-Instruct 3,2B BF16 8,5 GiB 131.072 — Cabe
AI21-Jamba-Reasoning-3B 3,2B BF16 7,3 GiB 262.144 — Cabe
AI21-Jamba2-3B 3,2B BF16 7,3 GiB 262.144 — Cabe
kanana-2-3b-base 3,2B Q6_K 4,9 GiB 32.768 — Cabe
SmolLM3-3B 3,1B BF16 7,9 GiB 65.536 — Cabe
SmolLM3-3B-GSM8K-SFT 3,1B Q6_K 4,3 GiB 65.536 — Cabe
LFM2-2.6B-Exp 2,7B F16 6,5 GiB 128.000 — Cabe
d1-3B 2,7B BF16 6,7 GiB 32.768 — Cabe
LFM2.5-2.6B 2,7B BF16 6,7 GiB 131.072 — Cabe
LFM2.5-2.6B-Base 2,7B Q6_K 3,6 GiB 128.000 — Cabe
LFM2.5-VL-3B 2,7B BF16 6,7 GiB 32.768 — Cabe
EuroMoE-2.6B-A0.6B-Instruct-2512 2,6B (498M ativos) Q6_K 3,6 GiB 32.768 — Cabe
LFM2-2.6B-Longevity 2,6B F16 6,5 GiB 128.000 — Cabe
LFM2-2.6B-Transcript 2,6B BF16 6,5 GiB 128.000 — Cabe
LFM2-VL-3B 2,6B BF16 6,5 GiB 128.000 — Cabe
MiniCPM5-2B 2,5B BF16 6,0 GiB 131.072 — Cabe
MiniCPM5-2B-Base 2,5B Q6_K 3,4 GiB ≥ 262.144 (contextos maiores não foram verificados com logs medidos) — Cabe
CapRL-Qwen3VL-2B 2,0B F16 5,6 GiB 211.200 — Cabe
HiPO-1.7B 2,0B Q6_K 3,6 GiB 40.960 — Cabe
UI-Venus-1.5-2B 2,0B F16 5,6 GiB 211.200 — Cabe
ZwZ-2B 2,0B F16 5,6 GiB 211.200 — Cabe
Youtu-LLM-2B 2,0B Q6_K 3,2 GiB 131.072 — Cabe
Youtu-LLM-2B-Base 2,0B Q6_K 3,2 GiB 131.072 — Cabe
Qwen3.5-2B 1,9B BF16 5,4 GiB 262.144 — Cabe
Qwen3.5-2B-Base 1,9B Q6_K 3,2 GiB 262.144 — Cabe
Qwen3-1.7B 1,7B BF16 5,6 GiB 40.960 — Cabe
Qwen3-VL-2B-Instruct 1,7B BF16 5,6 GiB 211.200 — Cabe
Qwen3-VL-2B-Thinking 1,7B BF16 5,6 GiB 211.200 — Cabe
SingGuard-2b 1,7B F16 5,6 GiB 211.200 — Cabe
granite-4.0-1b 1,6B BF16 5,1 GiB 131.072 — Cabe
Apertus-v1.1-1.5B 1,5B F16 3,8 GiB 4.096 — Cabe
Apertus-v1.1-1.5B-Instruct 1,5B F16 3,8 GiB 4.096 — Cabe
granite-4.0-h-1b 1,5B BF16 4,4 GiB 131.072 — Cabe
Llama-3.2-1B-Instruct 1,2B BF16 4,0 GiB 131.072 — Cabe
LFM2.5-1.2B-Base 1,2B BF16 3,7 GiB 128.000 — Cabe
LFM2.5-1.2B-Instruct 1,2B BF16 3,7 GiB 128.000 — Cabe
LFM2.5-1.2B-JP 1,2B F16 3,7 GiB 128.000 — Cabe
LFM2.5-1.2B-JP-202606 1,2B F16 3,7 GiB 128.000 — Cabe
LFM2.5-1.2B-Thinking 1,2B BF16 3,7 GiB 128.000 — Cabe
LFM2.5-VL-1.6B 1,2B BF16 3,7 GiB 128.000 — Cabe
LFM2.5-VL-1.6B-Extract 1,2B F16 3,7 GiB 128.000 — Cabe
MiniCPM5-1B 1,1B Q6_K 2,2 GiB 131.072 — Cabe
MiniCPM5-1B-Base 1,1B Q6_K 2,2 GiB 131.072 — Cabe
MiniCPM5-1B-SFT 1,1B Q6_K 2,2 GiB 131.072 — Cabe
Holo-3.1-0.8B 1,0B Q6_K 2,3 GiB 262.144 — Cabe
MiniCPM-V-4.7-1B 1,0B F16 3,2 GiB 262.144 — Cabe
gemma-3-1b-it 1,0B BF16 3,6 GiB 32.768 — Cabe
Qwen3.5-0.8B 752M BF16 3,2 GiB 262.144 — Cabe
Qwen3.5-0.8B-Base 752M Q6_K 2,3 GiB 262.144 — Cabe
MiniCPM-V-4.6 752M F16 3,2 GiB 262.144 — Cabe
MiniCPM-V-4.6-Thinking 752M F16 3,2 GiB 262.144 — Cabe
Qwen3-0.6B 752M BF16 3,4 GiB 40.960 — Cabe
HunyuanOCR 539M F16 3,1 GiB 32.768 — Cabe
LFM2.5-350M 354M BF16 2,1 GiB 128.000 — Cabe
LFM2.5-Encoder-350M-Diffusion 354M Q6_K 1,7 GiB 128.000 — Cabe
LFM2.5-VL-450M 354M BF16 2,1 GiB 128.000 — Cabe
LFM2.5-VL-450M-Extract 354M F16 2,1 GiB 128.000 — Cabe
granite-4.0-350m 352M BF16 2,2 GiB 32.768 — Cabe
granite-4.0-h-350m 340M BF16 2,1 GiB 32.768 — Cabe
functiongemma-270m-it 268M BF16 2,1 GiB 32.768 — Cabe
LFM2.5-230M 230M BF16 1,8 GiB 128.000 — Cabe

No limite em 32 GB

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

Placa genérica de 32 GB, contexto de 8.192 tokens: maior quantização no limite.
Modelo Parâmetros Maior quantização no limite Memória disponível necessária para “Cabe” Resultado
Qwen3.5-122B-A10B 122B (9,0B ativos) IQ2_XXS 35,0 GiB No limite
Step-3.5-Flash-REAP-121B-A11B 121B (11,4B ativos) IQ2_XXS 32,9 GiB No limite
Mistral-Small-4-119B-2603 119B (6,1B ativos) IQ2_XXS 34,3 GiB No limite
Solar-Open-100B 103B (11,2B ativos) IQ2_M 35,8 GiB No limite
GLM-4.5-Air-REAP-82B-A12B 81,9B (12,8B ativos) Q2_K 36,5 GiB No limite
Qwen3-Coder-Next 79,7B (3,6B ativos) Q2_K 30,4 GiB No limite
Qwen3-Next-80B-A3B-Instruct 79,7B (3,6B ativos) Q2_K 30,3 GiB No limite
Qwen2.5-72B-Instruct 73,0B Q2_K 30,3 GiB No limite
DeepSeek-R1-Distill-Llama-70B 70,6B Q3_K_M 37,1 GiB No limite
Llama-3.3-70B-Instruct 70,6B Q3_K_M 37,1 GiB No limite
Qwen-AgentWorld-35B-A3B 34,7B (2,9B ativos) Q8_0 37,6 GiB No limite

Modelos que não cabem em 32 GB

Placa genérica de 32 GB, contexto de 8.192 tokens: nem a menor quantização cabe em uma placa.
Modelo Parâmetros Menor quantização Memória disponível necessária para “Cabe” Várias placas idênticas Resultado
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 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Llama-4-Scout-17B-16E-Instruct 108B (16,1B ativos) Q2_K 41,5 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
GLM-4.5-Air 107B (12,8B ativos) Q2_K 45,6 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
GLM-4.6V 107B (12,8B ativos) Q2_K 45,6 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Step-3.5-Flash 197B (11,5B ativos) IQ2_XXS 48,9 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Devstral-2-123B-Instruct-2512 125B Q2_K 49,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Mistral-Medium-3.5-128B 125B Q2_K 49,3 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
NVIDIA-Nemotron-3-Super-120B-A12B-Base-BF16 121B (12,2B ativos) IQ2_XXS 49,8 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
NVIDIA-Nemotron-3-Super-120B-A12B-BF16 121B (12,2B ativos) IQ2_XXS 51,0 GiB Espera-se que 2 placas idênticas (divisão uniforme padrão) caibam. Não cabe
gpt-oss-120b 117B (5,1B ativos) Q2_K 62,8 GiB Espera-se que 3 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 3 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 3 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 3 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 3 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 3 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 3 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 3 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 3 placas idênticas (divisão uniforme padrão) caibam. Não cabe
Hy3 295B (20,2B ativos) IQ2_XXS 82,2 GiB Espera-se que 4 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 4 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 4 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 4 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 4 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 4 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 4 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 4 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 4 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 Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Trinity-Large-Base 399B (12,8B ativos) IQ2_XXS 96,4 GiB Espera-se que 4 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 4 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 4 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 5 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 5 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 6 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 5 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 5 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 6 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 5 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 5 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 5 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 6 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 Espera-se que 8 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. Não cabe
Qwen3.5-397B-A17B 396B (16,3B ativos) Q3_K_M 175,6 GiB Espera-se que 7 placas idênticas (divisão uniforme padrão) caibam. Com menos placas, fica no limite. 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 No limite com 8 placas. Não cabe
cogito-671b-v2.1 671B (36,6B ativos) Q2_K 242,4 GiB No limite com 8 placas. Não cabe
DeepSeek-V3.1 671B (36,6B ativos) Q2_K 242,4 GiB No limite com 8 placas. Não cabe
Mistral-Large-3-675B-Instruct-2512 673B (39,0B ativos) Q2_K 243,8 GiB No limite com 8 placas. Não cabe
DeepSeek-V3 671B (36,6B ativos) Q2_K 257,8 GiB No limite com 8 placas. Não cabe
Kimi-K2.6 1,03T (31,7B ativos) IQ2_XXS 267,6 GiB No limite com 8 placas. Não cabe
GLM-5 744B (40,8B ativos) Q2_K 268,9 GiB No limite com 8 placas. Não cabe
MiMo-V2.5-Pro 1,02T (41,0B ativos) IQ2_XXS 270,4 GiB No limite com 8 placas. Não cabe
DeepSeek-R1 671B (36,6B ativos) Q2_K 280,3 GiB No limite com 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

GPUs com 32 GB

Estes são resultados da página própria de cada GPU, sob o perfil de execução dela; podem diferir do cartão genérico acima.

Fontes

Estes resultados usam o perfil de execução CUDA; sua reserva vem de valores de memória nestes logs públicos do llama.cpp. Metodologia