Sur une RTX 4070 Ti (12 Go), Qwen3.5 0.8B en Q4_K_M demande environ 2,0 Go de mémoire vidéo : il devrait tenir. Vitesse de génération estimée : ≈ 596 tokens/s.
Pas encore mesuré : les chiffres ci-dessous sont des estimations, calculées à partir des modèles déjà mesurés sur cette carte. Mesurer ma carte
≈ 596 tok/s
Génération (estimée)
≥ 2,0 Go
VRAM conseillée (12 Go dispo.)
≈ 81 W
Conso (modèle de réf.)
0,01 €/M tok
Coût élec. / M tokens · 0,25 €/kWh
Calcul : LFM2.5 1.2B mesuré à 473 tok/s sur cette carte, 0,7 Go lus par token → × 0,7 Go ÷ 0,5 Go ≈ 596 tok/s (la génération est limitée par la mémoire : la vitesse suit la quantité de poids lue).
Et avec un contexte plus long ?
Contexte
Cache KV
VRAM estimée
Tient en 12 Go ?
Vitesse estimée
4 096
0,0 Go
1,1 Go
oui
≈ 555 tok/s
8 192
0,1 Go
1,1 Go
oui
≈ 514 tok/s
16 384
0,2 Go
1,2 Go
oui
≈ 447 tok/s
32 768
0,4 Go
1,4 Go
oui
≈ 355 tok/s
65 536
0,8 Go
1,8 Go
oui
≈ 251 tok/s
131 072
1,5 Go
2,5 Go
oui
≈ 158 tok/s
VRAM estimée = fichier + cache KV (couches à attention complète, f16) + ~0,5 Go de buffers, hors mémoire prise par le système — d'où la « VRAM conseillée », un peu plus haute, qui garde cette marge. Vitesse ≈ vitesse estimée × poids lus ÷ (poids lus + cache KV ajouté).
Estimations fondées sur les mesures réelles d'autres modèles sur cette carte et sur les données publiques du modèle (Qwen). Dès qu'une mesure existe, cette page affiche les vrais chiffres.