Jaki GPU do lokalnych LLM?
Zapotrzebowanie VRAM na model do lokalnej inferencji LLM (kwantyzacja Q4 i Q8) plus VRAM do gier wg rozdzielczości — z tego samego rejestru co planner.
VRAM na model
Ile pamięci GPU potrzebuje każdy model, przy kontekście 8k. Większe konteksty dodają ~0,05 GB na 1k tokenów.
| 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 |
Szacunek: parametry × bajty-na-kwant plus narzut runtime i kontekstu, w górę do najbliższego realnego rozmiaru GPU.
VRAM do gier wg rozdzielczości
Komfortowe minima VRAM dla nowych tytułów na wysokich — przybliżone, nie strojone per tytuł.
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.