Qué LLM locales caben en RTX 4070 (12 GB GDDR6X)

La RTX 4070 tiene 12 GB GDDR6X. Tras reservar 1 GiB para el sistema y la pantalla, quedan unos 11 GiB para un modelo. Con un contexto de 8K, el modelo más grande de nuestra lista que cabe es Mistral-Nemo-Instruct-2407 con Q4_K_M (unos 8,9 GiB). Qwen3.8-27B con UD-IQ3_XXS va justo (unos 11 GiB–13,3 GiB).

Son estimaciones a partir de la config del modelo y del tamaño de los archivos, no mediciones. Cómo calculamos

Qué modelos caben con 8K

Cada modelo usa el archivo de mayor precisión que cabe, con un chat a la vez.

Cabe (36)

Modelo	Cuantización	Total
DeepSeek-R1-Distill-Llama-8B	GGUF Q8_0 (Unsloth)	9,1 GiB–9,7 GiB
Gemma 3 12B IT	GGUF Q4_0 (Google QAT)	8,5 GiB–9,0 GiB
Mistral-Nemo-Instruct-2407	GGUF Q4_K_M (Unsloth)	8,3 GiB–8,9 GiB
Mistral-7B-Instruct-v0.3	GGUF Q8_0 (bartowski)	8,3 GiB–8,9 GiB
GLM-4-9B-0414	GGUF Q6_K (Unsloth)	8,1 GiB–8,7 GiB
Qwen2.5-Coder-7B	GGUF Q8_0 (mradermacher)	8,1 GiB–8,7 GiB
Qwen2.5-Coder-7B-Instruct	GGUF Q8_0 (Qwen)	8,1 GiB–8,7 GiB
Qwen2.5-7B-Instruct	GGUF Q8_0	8,1 GiB–8,7 GiB
DeepSeek-R1-Distill-Qwen-7B	GGUF Q8_0 (Unsloth)	8,1 GiB–8,7 GiB
OpenMath-Nemotron-7B	GGUF Q8_0 (mradermacher)	8,1 GiB–8,7 GiB
Qwen2.5-VL-7B-Instruct	GGUF Q8_0 (Unsloth)	8,1 GiB–8,7 GiB
Qwen2-7B-Instruct	GGUF Q8_0 (Qwen)	8,1 GiB–8,7 GiB
granite-3.3-8b-instruct	GGUF Q6_K (IBM)	7,6 GiB–8,2 GiB
Qwen3-VL-8B-Instruct	GGUF Q6_K (Unsloth)	7,5 GiB–8,1 GiB
Qwen3-8B-Base	GGUF Q6_K (mradermacher)	7,5 GiB–8,1 GiB
Qwen3-8B	GGUF Q6_K (Qwen)	7,5 GiB–8,1 GiB
Qwen2.5-Math-7B-Instruct	GGUF Q6_K (bartowski)	6,4 GiB–7,9 GiB
Phi-3.5-mini-instruct	GGUF Q8_0 (bartowski)	6,9 GiB–7,6 GiB
Llama 3.2 3B Instruct	Official BF16 safetensors	7,0 GiB–7,5 GiB
Qwen3-VL-4B-Instruct	GGUF Q8_0 (Qwen)	5,2 GiB–5,8 GiB
Qwen3-4B-Instruct-2507	GGUF Q8_0 (Unsloth)	5,2 GiB–5,8 GiB
Qwen3-4B	GGUF Q8_0	5,2 GiB–5,8 GiB
Phi-4-mini-instruct	GGUF Q8_0 (Unsloth)	4,9 GiB–5,5 GiB
Qwen2.5-Coder-3B-Instruct	GGUF Q8_0 (Qwen)	3,8 GiB–4,2 GiB
Qwen2.5-3B-Instruct	GGUF Q8_0	3,8 GiB–4,2 GiB
Qwen2.5-VL-3B-Instruct	GGUF Q8_0 (Unsloth)	3,5 GiB–3,9 GiB
SmolLM2-1.7B-Instruct	GGUF Q8_0 (Unsloth)	3,3 GiB–3,8 GiB
Gemma 3 4B IT	GGUF Q4_0 (Google QAT)	3,3 GiB–3,8 GiB
Qwen3-1.7B-Base	GGUF Q8_0 (mradermacher)	2,7 GiB–3,2 GiB
Qwen3-1.7B	GGUF Q8_0	2,7 GiB–3,2 GiB
Llama 3.2 1B Instruct	Official BF16 safetensors	2,7 GiB–3,1 GiB
Qwen2.5-Coder-1.5B-Instruct	GGUF Q8_0 (Qwen)	2,1 GiB–2,5 GiB
Qwen2.5-1.5B-Instruct	GGUF Q8_0 (Qwen)	2,1 GiB–2,5 GiB
Qwen3-0.6B	GGUF Q8_0 (Qwen)	1,6 GiB–2,0 GiB
Gemma 3 1B IT	GGUF Q4_0 (Google QAT)	1,1 GiB–1,5 GiB
Qwen2.5-0.5B-Instruct	GGUF Q8_0 (Qwen)	0,8 GiB–1,2 GiB

Ajustado (8)

Modelo	Cuantización	Total
Qwen3.8-27B	GGUF UD-IQ3_XXS (Unsloth)	11,0 GiB–13,3 GiB
DeepSeek-V2-Lite-Chat	GGUF Q4_K_M (mradermacher)	10,0 GiB–12,2 GiB
Phi-4-reasoning	GGUF Q4_K_M (Unsloth)	10,1 GiB–10,8 GiB
Qwen2.5-14B-Instruct	GGUF Q4_K_M	10,0 GiB–10,6 GiB
Qwen2.5-Coder-14B-Instruct	GGUF Q4_K_M (Qwen)	10,0 GiB–10,6 GiB
OpenMath-Nemotron-14B	GGUF Q4_K_M (mradermacher)	10,0 GiB–10,6 GiB
phi-4	GGUF Q4_K_M (Unsloth)	10,0 GiB–10,6 GiB
Qwen3-14B	GGUF Q4_K_M	9,8 GiB–10,4 GiB

No caben (42)

gpt-oss-20b · MXFP4 · 13,8 GiB
Mistral-Small-24B-Instruct-2501 · Q4_K_M · 15,5 GiB
Llama 3.1 8B Instruct · BF16 · 16,8 GiB
Gemma 3 27B IT · Q4_0 · 18 GiB
Qwen3-30B-A3B · Q4_K_M · 18,9 GiB
Qwen3-30B-A3B-Instruct-2507 · Q4_K_M · 18,9 GiB
Qwen3-VL-30B-A3B-Instruct · Q4_K_M · 18,9 GiB
Qwen3-32B · Q4_K_M · 21,4 GiB
OpenMath-Nemotron-32B · Q4_K_M · 21,5 GiB
Qwen2.5-VL-32B-Instruct · Q4_K_M · 21,5 GiB
DeepSeek-R1-Distill-Qwen-32B · Q4_K_M · 21,5 GiB
QwQ-32B · Q4_K_M · 21,5 GiB
Qwen2.5-Coder-32B-Instruct · Q4_K_M · 21,5 GiB
Qwen2.5-32B-Instruct · Q4_K_M · 21,5 GiB
Drama 3 · Unofficial int4 W4A16 · 27 GiB
Mixtral-8x7B-Instruct-v0.1 · Q4_K_M · 28,6 GiB
Llama-3.1-Nemotron-70B-Instruct-HF · Q4_K_M · 43,6 GiB
Qwen2.5-72B-Instruct · Q4_K_M · 45 GiB
Qwen3-Next-80B-A3B-Instruct · Q4_K_M · 47,3 GiB
gpt-oss-120b · MXFP4 · 62,8 GiB
GLM-4.5-Air · Q4_K_M · 71,4 GiB
Qwen3.8-Flash-Next · Q4_K_M · 131,5 GiB
MiniMax-M2 · Q4_K_M · 134 GiB
Qwen3-235B-A22B · Q4_K_M · 137,1 GiB
Qwen3-235B-A22B-Instruct-2507 · Q4_K_M · 137,1 GiB
Llama 3.3 70B Instruct · BF16 · 137,2 GiB
DeepSeek-V4-Flash-0731 · FP8 · 183,7 GiB
GLM-4.6 · Q4_K_M · 208,4 GiB
GLM-4.5 · Q4_K_M · 209,2 GiB
MiniMax-M3 · Q4_K_M · 249,7 GiB
GLM-5.3-Flash · Q8_0 · 373,6 GiB
DeepSeek-V3 · Q4_K_M · 443,1 GiB
DeepSeek-R1 · Q4_K_M · 443,1 GiB
DeepSeek-V3-0324 · Q4_K_M · 443,1 GiB
DeepSeek-R1-0528 · Q4_K_M · 443,7 GiB
DeepSeek-V3.1 · Q4_K_M · 444,2 GiB
Muse Spark Open · NVFP4 · 508,9 GiB
DeepSeek-V4.1-Flash · FP8 · 558,8 GiB
Ling-3.1-flash · FP8 · 628,3 GiB
Kimi-K2-Instruct · Q4_K_M · 679,5 GiB
Kimi-K2-Thinking · Q4_K_M · 680 GiB
GLM-5.3 · Q8_0 · 877 GiB

Comprobaciones concretas

Memoria

NVIDIAGeForce RTX 4070 12GB desktop
Tipo de memoriaVRAM discreta
Comercializado12 GB GDDR6X
Bruto12,00 GiB (12.884.901.888 bytes)
Reserva predeterminada1,00 GiB (1.073.741.824 bytes)
Presupuesto neto11,00 GiB (11.811.160.064 bytes)

La reserva es una suposición ajustable. En un equipo sin pantalla puedes bajarla en la calculadora.

Dos de estas tarjetas no suman una tarjeta más grande. Cada copia del modelo tiene que caber en una tarjeta, salvo que el motor lo reparta con paralelismo de tensores.

Abrir la calculadora con este hardware Calculadora

Páginas relacionadas

Fuentes

NVIDIA GeForce RTX 40 Series specs — Original 12 GB GDDR6X SKU, not the later GDDR6 variant

Calculadora

Cargando la instantánea del catálogo…

Tu GPU o Mac

Modelo

Longitud de contexto

Más contexto necesita más memoria para la caché KV, la memoria de trabajo del modelo para la conversación.

Más opciones

Mostrar modelos históricos

Ejecución

Motor y tipo de caché KV de esta estimación.

Filtro de cuantización Permitir un sustituto si el filtro no tiene coincidencia

Off: GGUF, Q8 y otros filtros siguen siendo estrictos. On: se muestra un reemplazo con solicitado, usado y motivo.

MotorTipo de caché KVDtype de estado recurrente / conv Incluir estimaciones teóricas (experto)

Carga

Escenario de sobrecarga y el espacio de prellenado.

Escenario de sobrecoste en tiempo de ejecución Incluir un espacio de trabajo de prefill más pesado

Topología

Cómo se reparte el modelo entre dispositivos. La memoria no se suma.

DesplieguePartición intra-réplicaNúmero de dispositivos

El número de réplicas es avanzado. La cantidad son nodos o GPUs, no réplicas.

Grupos de réplicasDispositivos por réplica

Presupuesto

Reserva del sistema y margen de seguridad. Un número vacío conserva el valor anterior.

Reserva para sistema / pantalla

GiB (2^30 bytes)

El presupuesto ya descuenta la reserva del sistemaMargen de seguridad extra

Bits efectivos por parámetro (personalizado)Unidad de visualización

Elige una GPU o un Mac para ver qué modelos caben, o un modelo para ver cuánta memoria necesita.