Hvilken GPU til lokale LLM'er?
VRAM-behov per model for lokal LLM-inferens (Q4- og Q8-kvantisering) plus spil-VRAM per opløsning — fra samme register som planlæggeren.
VRAM per model
Hvor meget GPU-hukommelse hver model kræver, ved 8k kontekst. Større kontekster lægger ~0,05 GB per 1k tokens til.
| Model | Q4 (4-bit) | Q8 (8-bit) |
|---|---|---|
| Mistral 7B | 8 GB VRAM | 12 GB VRAM |
| Llama 3.1 8B | 8 GB VRAM | 12 GB VRAM |
| Qwen 2.5 7B | 8 GB VRAM | 12 GB VRAM |
| Phi-4 14B | 12 GB VRAM | 20 GB VRAM |
| Qwen 2.5 14B | 12 GB VRAM | 20 GB VRAM |
| Codestral 22B | 20 GB VRAM | 32 GB VRAM |
| Qwen 2.5 32B | 24 GB VRAM | 40 GB VRAM |
| Llama 3.1 70B | 80 GB VRAM | 80 GB VRAM |
| Qwen 2.5 72B | 80 GB VRAM | 96 GB VRAM |
| DeepSeek R1 8B (distill) | 8 GB VRAM | 12 GB VRAM |
Estimat: parametre × byte-per-kvant plus runtime- og kontekstoverhead, rundet op til nærmeste reelle GPU-størrelse.
Spil-VRAM per opløsning
Komfortable VRAM-gulve for moderne titler på høj — omtrentlige, ikke per-titel tunet.
1080p
8 GB VRAM
1080p high settings — 8GB is the comfortable floor for modern titles.
1440p
12 GB VRAM
1440p high settings — 12GB avoids texture-streaming hitches.
4k
16 GB VRAM
4K high settings — 16GB for texture headroom.