Ce GPU pentru LLM-uri locale?
Necesarul de VRAM per model pentru inferență LLM locală (cuantizare Q4 și Q8), plus VRAM de gaming per rezoluție — din același registru pe care îl folosește planner-ul.
VRAM per model
Câtă memorie GPU cere servirea fiecărui model, la context 8k. Contextele mai mari adaugă ~0,05 GB per 1k tokeni.
| 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 |
Estimare: parametri × octeți-per-cuant plus overhead de runtime și context, rotunjit la cea mai apropiată placă reală.
VRAM de gaming per rezoluție
Praguri confortabile de VRAM pentru titluri moderne pe setări high — aproximative, nu tunate per titlu.
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.