Welche GPU für lokale LLMs?
VRAM-Bedarf pro Modell für lokale LLM-Inferenz (Q4- und Q8-Quantisierung) plus Gaming-VRAM nach Auflösung — aus demselben Register wie der Planner.
VRAM pro Modell
So viel GPU-Speicher braucht jedes Modell zum Servieren, bei 8k Kontext. Größere Kontexte addieren ca. 0,05 GB pro 1k Token.
| Modell | 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 |
Schätzung: Parameter × Byte-pro-Quant plus Runtime- und Kontext-Overhead, aufgerundet auf die nächste reale GPU-Größe.
Gaming-VRAM nach Auflösung
Komfortable VRAM-Untergrenzen für moderne Titel auf Hoch — approximativ, nicht pro Titel getunt.
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.