Estimation carte × modèle

Granite 4.0 H Tiny 7B-A1B sur RTX 5070 Ti Q4_K_M

devrait tenir

Sur une RTX 5070 Ti (16 Go), Granite 4.0 H Tiny 7B-A1B en Q4_K_M demande environ 5,5 Go de mémoire vidéo : il devrait tenir. Vitesse de génération estimée : ≈ 191–287 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

≈ 191–287 tok/s

Génération (estimée)

≥ 5,5 Go

VRAM conseillée (16 Go dispo.)

≈ 60 W

Conso (modèle de réf.)

0,02 €/M tok

Coût élec. / M tokens · 0,25 €/kWh

Calcul : Qwen3.5 0.8B mesuré à 514 tok/s sur cette carte, 0,5 Go lus par token → × 0,5 Go ÷ 0,6 Go ≈ 478 tok/s (la génération est limitée par la mémoire : la vitesse suit la quantité de poids lue). MoE : seuls ~14 % des poids sont lus à chaque token, mais ce calcul est une borne théorique ; en pratique llama.cpp en atteint environ 40 à 60 % (routage des experts, couches d'attention denses) → fourchette indicative 191 à 287 tok/s.

Et avec un contexte plus long ?

Contexte	Cache KV	VRAM estimée	Tient en 16 Go ?	Vitesse estimée
4 096	0,0 Go	4,5 Go	oui	≈ 229 tok/s
8 192	0,1 Go	4,6 Go	oui	≈ 217 tok/s
16 384	0,1 Go	4,6 Go	oui	≈ 198 tok/s
32 768	0,3 Go	4,8 Go	oui	≈ 168 tok/s
65 536	0,5 Go	5,0 Go	oui	≈ 129 tok/s
131 072	1,0 Go	5,5 Go	oui	≈ 88,0 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).

Granite 4.0 H Tiny 7B-A1B sur les autres cartes

devrait tenir

Fiche Granite 4.0 H Tiny 7B-A1B Fiche RTX 5070 Ti Ressentir la vitesse Télécharger le GGUF (4,0 Go)

Estimations fondées sur les mesures réelles d'autres modèles sur cette carte et sur les données publiques du modèle (IBM Granite). Dès qu'une mesure existe, cette page affiche les vrais chiffres.