Sur une RTX 5070 Ti (16 Go), R1 Distill 8B Llama en Q4_K_M demande environ 6,1 Go de mémoire vidéo : il devrait tenir. Vitesse de génération estimée : ≈ 151 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
≈ 151 tok/s
Génération (estimée)
≥ 6,1 Go
VRAM conseillée (16 Go dispo.)
≈ 148 W
Conso (modèle de réf.)
0,07 €/M tok
Coût élec. / M tokens · 0,25 €/kWh
Calcul : Meta Llama 3.1 8B Instruct mesuré à 151 tok/s sur cette carte, 4,6 Go lus par token → × 4,6 Go ÷ 4,6 Go ≈ 151 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
0,5 Go
5,6 Go
oui
≈ 138 tok/s
8 192
1,0 Go
6,1 Go
oui
≈ 125 tok/s
16 384
2,0 Go
7,1 Go
oui
≈ 106 tok/s
32 768
4,0 Go
9,1 Go
oui
≈ 81,1 tok/s
65 536
8,0 Go
13,1 Go
oui
≈ 55,2 tok/s
131 072
16,0 Go
21,1 Go
non
—
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 (DeepSeek). Dès qu'une mesure existe, cette page affiche les vrais chiffres.