ForgeBench.
Alibaba Cloud / Qwen Team / LLM / MODEL INTELLIGENCE

Qwen3-8B

От весов и контекста до конкретной GPU. Прозрачный расчёт памяти, размещения и ограничений.

Внешний источник
Проверить мою конфигурацию →На каком железе запустится? ↓
Qwen38.2BLLM / LOCAL INFERENCE
О модели и лицензии
Разработчик
Alibaba Cloud / Qwen Team
Лицензия
Apache-2.0
Архитектура
Qwen3ForCausalLM (dense decoder with GQA)
01 / MEMORY INTELLIGENCE

Какое железо нужно этой модели?

Нужно VRAM7.5 GiB

Системная RAM: 6.6 GiB
Хранилище: 5.3 GiB

Оценка

Batch 1. Память и скорость рассчитаны существующим Capability Engine; это оценки, не результаты тестов.

Как рассчитана память
Веса4.6 GiB
KV cache1.1 GiB
Runtime0.8 GiB
Резерв исполнения1 GiB

Вместимость — не рейтинг качества модели. Сравнивайте одинаковые quant, контекст и runtime.

Варианты и runtime
02 / VARIANTS

Варианты и runtime

КвантованиеВеса моделиRuntimeОснова решения
Q4_K_MGGUF4.6 GiBllama.cpp · layer splitОценка
Q8_0GGUF8.1 GiBllama.cpp · layer splitОценка
F16GGUF15.3 GiBllama.cpp · layer splitОценка
Как контекст меняет память
03 / CONTEXT SCALING

Как контекст меняет память

Batch 1. Память и скорость рассчитаны существующим Capability Engine; это оценки, не результаты тестов.

Нативный / максимальный контекст: 32K / 128K

7.5 GiB8K
8.7 GiB16K
11.2 GiB32K
16.2 GiB64K
26.2 GiB128K
На каком железе запустится?
04 / GPU · ESTIMATED

На каком железе запустится?

Матрица размещения

Оценка для выбранной квантовки. RAM 64 GiB · SSD 1 TiB · batch 1. Физическая VRAM нескольких GPU не означает автоматического объединения памяти.

GPU8K32K64K128K
RTX 3080 Ti12 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 11.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Ограниченно
Почему

Требуется: 11.2 GiB
Доступно модели: 11.5 GiB

Оценка

Малый запас VRAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 16.2 GiB
Доступно модели: 11.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 11.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 309024 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 23.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 11.2 GiB
Доступно модели: 23.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 16.2 GiB
Доступно модели: 23.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 23.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 4070 SUPER12 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 11.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Ограниченно
Почему

Требуется: 11.2 GiB
Доступно модели: 11.5 GiB

Оценка

Малый запас VRAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 16.2 GiB
Доступно модели: 11.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 11.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 4080 SUPER16 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 15.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 11.2 GiB
Доступно модели: 15.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 16.2 GiB
Доступно модели: 15.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 15.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 409024 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 23.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 11.2 GiB
Доступно модели: 23.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 16.2 GiB
Доступно модели: 23.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 23.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 507012 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 11.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Ограниченно
Почему

Требуется: 11.2 GiB
Доступно модели: 11.5 GiB

Оценка

Малый запас VRAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 16.2 GiB
Доступно модели: 11.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 11.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 508016 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 15.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 11.2 GiB
Доступно модели: 15.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 16.2 GiB
Доступно модели: 15.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Нужна выгрузка в RAM
Почему

Требуется: 26.2 GiB
Доступно модели: 15.5 GiB

Оценка

Часть весов или KV cache потребуется перенести в RAM.

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

RTX 509032 GiBОтлично
Почему

Требуется: 7.5 GiB
Доступно модели: 31.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 11.2 GiB
Доступно модели: 31.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 16.2 GiB
Доступно модели: 31.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Хорошо
Почему

Требуется: 26.2 GiB
Доступно модели: 31.5 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

2 × RTX 309048 GiBОтлично
Почему

Требуется: 8.4 GiB
Доступно модели: 47 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Веса и KV распределяются между GPU с накладными расходами.

PCIe-топология не задана; скорость multi-GPU остаётся грубой оценкой.

NVLink/P2P не подтверждены. Наличие разъёма не означает установленный bridge.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 12.2 GiB
Доступно модели: 47 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Веса и KV распределяются между GPU с накладными расходами.

PCIe-топология не задана; скорость multi-GPU остаётся грубой оценкой.

NVLink/P2P не подтверждены. Наличие разъёма не означает установленный bridge.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 17.4 GiB
Доступно модели: 47 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Веса и KV распределяются между GPU с накладными расходами.

PCIe-топология не задана; скорость multi-GPU остаётся грубой оценкой.

NVLink/P2P не подтверждены. Наличие разъёма не означает установленный bridge.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Отлично
Почему

Требуется: 27.6 GiB
Доступно модели: 47 GiB

Оценка

KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.

Для расширенного контекста нужна настройка runtime / RoPE scaling.

Веса и KV распределяются между GPU с накладными расходами.

PCIe-топология не задана; скорость multi-GPU остаётся грубой оценкой.

NVLink/P2P не подтверждены. Наличие разъёма не означает установленный bridge.

Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.

Расчёт использует явно указанные источники и допущения.

Контекст выше native может требовать дополнительной настройки runtime.

Оценка скорости · низкая уверенность · 8K

Batch 1. Память и скорость рассчитаны существующим Capability Engine; это оценки, не результаты тестов. RAM 64 GiB · SSD 1 TiB.

GPUОснова решенияДоступноОценка скорости · низкая уверенность
RTX 3080 TiОтличноВ VRAM12 GiB11.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 3090ОтличноВ VRAM24 GiB23.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 4070 SUPERОтличноВ VRAM12 GiB11.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 4080 SUPERОтличноВ VRAM16 GiB15.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 4090ОтличноВ VRAM24 GiB23.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 5070ОтличноВ VRAM12 GiB11.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 5080ОтличноВ VRAM16 GiB15.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
RTX 5090ОтличноВ VRAM32 GiB31.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
Radeon RX 7800 XT referenceОтличноВ VRAM16 GiB15.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • Нужна проверка версии ROCm, ОС и runtime для этой GPU.runtime: llama.cpp · layer split
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
Radeon RX 7900 XTX ReferenceОтличноВ VRAM24 GiB23.5 GiB Доступно для модели—Оценка
Почему этот результат?
  • Нужна проверка версии ROCm, ОС и runtime для этой GPU.runtime: llama.cpp · layer split
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 0.8 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 7.5 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED
2 × RTX 3090ОтличноВ VRAM48 GiB47 GiB Доступно для модели—Оценка
Почему этот результат?
  • KV cache рассчитан по архитектуре, контексту и числу параллельных запросов.layers: 36 · kvHeads: 8 · headDim: 128 · bytesPerElement: 2 · contextTokens: 8192 · batchSize: 1 · kvCacheMb: 1.1 GiB
  • Веса и KV распределяются между GPU с накладными расходами.mode: LAYER · gpuCount: 2 · physicalTotalVramMb: 48 GiB · usableVramMb: 47 GiB · shardBuffersMb: 0.2 GiB
  • PCIe-топология не задана; скорость multi-GPU остаётся грубой оценкой.
  • NVLink/P2P не подтверждены. Наличие разъёма не означает установленный bridge.p2pVerified: false · bridgeInstalled: false
  • Бюджет памяти: веса + runtime + KV cache + execution margin. Резерв драйвера вычитается отдельно.weightsMb: 4.6 GiB · runtimeOverheadMb: 1.7 GiB · kvCacheMb: 1.1 GiB · executionMarginMb: 1 GiB · reservedPerGpuMb: 0.5 GiB · requiredVramMb: 8.4 GiB
  • Расчёт использует явно указанные источники и допущения.modelSource: EXTERNAL · variantSource: ESTIMATED · workloadSource: ESTIMATED · runtimeSource: ESTIMATED

Память объединяется только при поддержке sharding выбранным runtime. PCIe, NVLink и P2P здесь не подтверждены; ускорение не гарантируется.

Опубликованные измерения
05 / BENCHMARK EVIDENCE

Опубликованные измерения

Для этой модели нет точных опубликованных измерений в текущем наборе. Оценки скорости ниже не подменяют benchmark.

BUILD / MODEL FIT

Сколько стоит ПК для этой модели?

Три стратегии существующего optimizer, а не гарантированный глобальный минимум цены. Поиск учитывает класс задач; каждый вариант отдельно проверяется для выбранной квантовки и контекста.

Подобрать AI-сборку
06 / BUILD DIRECTION

Подобрать AI-сборку

Память объединяется только при поддержке sharding выбранным runtime. PCIe, NVLink и P2P здесь не подтверждены; ускорение не гарантируется.

Подобрать AI-сборку →Проверить мою конфигурацию →Мой ПК →
Источники и допущения

Источники и допущения

https://huggingface.co/Qwen/Qwen3-8Bhttps://huggingface.co/Qwen/Qwen3-8B/raw/main/config.json
Источники и допущения

Официальные сведения о модели и конфигурации задокументированы 2026-10-05; архитектура и число параметров взяты из внешней документации.

Карточка указывает 32768 токенов нативно и проверенное расширение до 131072 через YaRN; для расширения нужны rope_scaling: yarn, factor 4.0, original_max_position_embeddings 32768.

max_position_embeddings 40960 в конфиге — резерв под 32768 выходных токенов и типичный prompt 8192, а не нативный контекст 40960.

Размеры вариантов рассчитаны для планирования и не являются подтверждённым размером файлов; измеренной производительности для этой записи нет.

Расчётный размер для планирования: ceil(8200000000 параметров × 4.8 бит / 8 / 1 048 576) МиБ; это не скачанный и не подтверждённый издателем размер файла.

Продолжить выбор

Продолжить выбор

GeForce RTX 5070Объём VRAM больше оценки весов; KV cache проверяется отдельноGeForce RTX 4070 SUPERОбъём VRAM больше оценки весов; KV cache проверяется отдельноGeForce RTX 3080 TiОбъём VRAM больше оценки весов; KV cache проверяется отдельноИсследовать VRAM и квантованиеПроверить модель и контекст на вашем GPUПодобрать сборку под задачу и бюджет