¿Cabe Qwen3-8B en RTX 4070?
Sí, con margen Qwen3-8B con Q4_K_M necesita 5,93 GiB–6,48 GiB con un contexto de 8192 tokens. La RTX 4070 tiene unos 11 GiB utilizables.
Archivo: Qwen3-8B-Q4_K_M.gguf (5,0 GB).
Son estimaciones a partir de la config del modelo y del tamaño de los archivos, no mediciones. Cómo calculamos
Cuánto margen queda
- El contexto puede crecer hasta unos 30.720 tokens antes de dejar de caber con holgura.
- También cabe un archivo más grande: GGUF Q6_K (Qwen) necesita unos 8,1 GiB (Cabe).
Otros archivos en esta GPU
| Cuantización | Tamaño del archivo | Motor | Total | Ajuste |
|---|---|---|---|---|
| BF16 safetensors | 16,4 GB | vllm | 17,0 GiB–18,9 GiB | No cabe |
| GGUF Q8_0 | 8,7 GB | llama.cpp | 9,4 GiB–10,0 GiB | Ajustado |
| GGUF Q6_K (Qwen) | 6,7 GB | llama.cpp | 7,5 GiB–8,1 GiB | Cabe |
| GGUF Q5_K_M (Qwen) | 5,9 GB | llama.cpp | 6,7 GiB–7,3 GiB | Cabe con holgura |
| GGUF Q4_K_M Configuración actual | 5,0 GB | llama.cpp | 5,9 GiB–6,5 GiB | Cabe con holgura |
Mismo contexto (8192 tokens), un chat a la vez, cada archivo con su motor habitual.
Configuración usada
- ModeloQwen3-8B
- HardwareGeForce RTX 4070 12GB (desktop, GDDR6X)
- CuantizaciónGGUF Q4_K_M
- Longitud de contexto (tokens en caché)8192
- Motor
llama.cpp - Secuencias simultáneas1
- Tipo de caché KVfp16
Identificadores técnicos y datos para compartir
- Modelo
qwen3-8b - Hardware
nvidia-geforce-rtx-4070-12gb-desktop - Cuantización
gguf-q4_k_m - Código para compartir esta configuración
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4zLThiIiwiaGFyZHdhcmVJZCI6Im52aWRpYS1nZWZvcmNlLXJ0eC00MDcwLTEyZ2ItZGVza3RvcCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImdndWYtcTRfa19tIiwiY29udGV4dFRva2VucyI6ODE5MiwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoibGxhbWEuY3BwIiwia3ZUeXBlIjoiZnAxNiJ9fQ
Cómo se calcula este número
Total = archivo de pesos + caché KV + búferes de ejecución. El rango va de la sobrecarga baja a la alta del motor indicado.
- Pesos (archivo)
- 4,68 GiB (5.027.783.488 bytes)
- Caché KV
- 1,13 GiB (1.207.959.552 bytes)
- Búferes de ejecución
- 0,13 GiB–0,67 GiB
- Total
- 5,93 GiB–6,48 GiB
- Memoria utilizable
- 11,00 GiB
- Reserva de sistema / pantalla
- 1,00 GiB
- Sobrante
- 4,52 GiB–5,07 GiB
estimación alta 6,48 GiB con 11,00 GiB disponibles
Que quepa en memoria no prueba que el motor, la cuantización y el sistema funcionen juntos. Compatibilidad no implica buen rendimiento.
- El contexto pedido cabe en la ventana nativa de 40960 tokens.
- Los pesos cargados se estiman con el total de parámetros, incluidos los expertos MoE inactivos.
- Solo cuentan los archivos de pesos elegidos, no todas las cuantizaciones del repositorio.
- El tamaño de descarga no es el pico de memoria de GPU. El diseño en ejecución, el relleno del asignador y la caché KV van aparte.
- Archivos contados: Qwen3-8B-Q4_K_M.gguf.
- La longitud de contexto son los tokens en caché por secuencia (entrada más la salida reservada).
- Las secuencias concurrentes comparten una copia del modelo; los pesos no se multiplican por el número de secuencias.
- La precisión de la caché KV no depende de la cuantización de los pesos, salvo que la cambies.
Páginas relacionadas
Fuentes
- Qwen3-8B model card
- config.json — revision b968826d9c46dd6066d109eabc6255188de91218
- safetensors index — metadata.total_size=16381470720
- Artifact repo Qwen/Qwen3-8B-GGUF
- NVIDIA GeForce RTX 40 Series specs — Original 12 GB GDDR6X SKU, not the later GDDR6 variant
Calculadora
Esta página de combo mantiene el modelo y el dispositivo de la ruta. Personaliza en la calculadora principal; el enlace conservará esa identidad.
Cargando la instantánea del catálogo…
Elige un modelo para ver cuánta memoria necesita.