Benchmark carte × modèle

Qwen2.5 14B Instruct sur RTX 4090 Q4_K_M

Fluide

Sur une RTX 4090 (24 Go), Qwen2.5 14B Instruct en Q4_K_M génère 78,0 tokens/s et lit le prompt à 3 200 tokens/s, avec 10,4 Go de mémoire vidéo occupée.

Médiane de 1 mesure · dernière le 04/08/26

Donnée de démonstration : cette combinaison n'a pas encore été mesurée pour de vrai.

78,0 tok/s

Génération

3 200 tok/s

Lecture du prompt

10,4 Go

VRAM utilisée (max)

300 W

Conso moyenne

0,26 tok/s/W

Efficacité

0,27 €/M tok

Coût élec. / M tokens · 0,25 €/kWh

Estimez votre coût mensuel selon votre tarif et votre usage : connectez-vous

Fiche RTX 4090 Toutes les cartes sur Qwen2.5 14B Instruct Ressentir la vitesse Louer dans le cloud

Où l'acheterLDLC Materiel.net TopAchat Cybertek Grosbill Rue du Commerce Amazon

Et avec un contexte plus long ?

Estimation, pas une mesure : le cache KV grandit avec le contexte, occupe de la VRAM et ralentit la génération.

Contexte	Cache KV	VRAM estimée	Tient en 24 Go ?	Vitesse estimée
4 096	0,8 Go	11,0 Go	oui	≈ 72,9 tok/s
8 192	1,5 Go	11,7 Go	oui	≈ 67,6 tok/s
16 384	3,0 Go	13,2 Go	oui	≈ 59,1 tok/s
32 768	6,0 Go	16,2 Go	oui	≈ 47,1 tok/s

Cache KV par token = 2 × 48 couches × 8 têtes KV × 128 × 2 octets (f16). VRAM estimée = VRAM mesurée + cache KV ajouté. Vitesse ≈ vitesse mesurée × poids ÷ (poids + cache KV ajouté) — le calcul de l'attention n'est pas modélisé, la baisse réelle est un peu plus forte. Régler finement dans le « Configurateur »

Qwen2.5 14B Instruct sur les autres cartes

Carte	VRAM	Génération	Écart	Prix
RTX 5070 Ti	16 Go	82,5 tok/s	+5,8 %	1 400 €
RTX 4090démo	24 Go	78,0 tok/s	cette carte	—
RTX 4070 Ti	12 Go	49,2 tok/s	−37,0 %	927 €
RTX 4070	12 Go	46,3 tok/s	−40,6 %	595 €

Autres modèles mesurés sur la RTX 4090

Meta Llama 3.1 8B Instruct Q4_K_M 132 tok/s

Toutes les mesures

Date	Source	Type	Génération	Prompt	VRAM	Temp. max	Conso	llama.cpp
04/08/26	démo	standard	78,0	3 200	10,4 Go	68 °C	300 W	—

Protocole : llama-bench (llama.cpp), prompt 512 + génération 128 tokens, modèle entièrement chargé en VRAM. VRAM utilisée = pic système (inclut l'OS, ~0,5 à 1 Go de plus que le modèle seul). Mesurer ma carte