Qual GPU para LLMs locais?
VRAM por modelo para inferência LLM local (quantização Q4 e Q8), mais VRAM gaming por resolução — do mesmo registro que o planejador usa.
VRAM por modelo
Quanta memória GPU cada modelo precisa para servir, com contexto 8k. Contextos maiores adicionam ~0,05 GB por 1k tokens.
| Modelo | Q4 (4-bit) | Q8 (8-bit) |
|---|---|---|
| Mistral 7B | 8 GB de VRAM | 12 GB de VRAM |
| Llama 3.1 8B | 8 GB de VRAM | 12 GB de VRAM |
| Qwen 2.5 7B | 8 GB de VRAM | 12 GB de VRAM |
| Phi-4 14B | 12 GB de VRAM | 20 GB de VRAM |
| Qwen 2.5 14B | 12 GB de VRAM | 20 GB de VRAM |
| Codestral 22B | 20 GB de VRAM | 32 GB de VRAM |
| Qwen 2.5 32B | 24 GB de VRAM | 40 GB de VRAM |
| Llama 3.1 70B | 80 GB de VRAM | 80 GB de VRAM |
| Qwen 2.5 72B | 80 GB de VRAM | 96 GB de VRAM |
| DeepSeek R1 8B (distill) | 8 GB de VRAM | 12 GB de VRAM |
Estimativa: parâmetros × bytes-por-quant mais sobrecarga de runtime e contexto, arredondado ao tamanho GPU real mais próximo.
VRAM gaming por resolução
Pisos VRAM confortáveis para títulos modernos no alto — aproximados, não afinados por título.
1080p
8 GB de VRAM
1080p high settings — 8GB is the comfortable floor for modern titles.
1440p
12 GB de VRAM
1440p high settings — 12GB avoids texture-streaming hitches.
4k
16 GB de VRAM
4K high settings — 16GB for texture headroom.