Sur une RTX 5070 Ti (16 Go), Granite 4.1 3B en Q4_K_M demande environ 3,5 Go de mémoire vidéo : il devrait tenir. Vitesse de génération estimée : ≈ 263 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
≈ 263 tok/s
Génération (estimée)
≥ 3,5 Go
VRAM conseillée (16 Go dispo.)
≈ 121 W
Conso (modèle de réf.)
0,03 €/M tok
Coût élec. / M tokens · 0,25 €/kWh
Calcul : Llama 3.2 3B Instruct mesuré à 283 tok/s sur cette carte, 1,9 Go lus par token → × 1,9 Go ÷ 2,0 Go ≈ 263 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 16 Go ?
Vitesse estimée
4 096
0,3 Go
2,8 Go
oui
≈ 233 tok/s
8 192
0,6 Go
3,1 Go
oui
≈ 205 tok/s
16 384
1,3 Go
3,8 Go
oui
≈ 165 tok/s
32 768
2,5 Go
5,0 Go
oui
≈ 119 tok/s
65 536
5,0 Go
7,5 Go
oui
≈ 76,3 tok/s
131 072
10,0 Go
12,5 Go
oui
≈ 44,5 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 (IBM Granite). Dès qu'une mesure existe, cette page affiche les vrais chiffres.