Aller au contenu
Run LLM Locally

Olmo 3.1 32B Instruct sur une RTX 4060

Olmo 3.1 32B Instruct en Q4_K_M demande environ 21,1 Go, plus que les 8 Go de la RTX 4060 : une partie du modèle tourne depuis la RAM système, ce qui ralentit la génération. En Q3_K_M, il ne tient pas en VRAM.

PartagerFacebookXWhatsAppLinkedInE-mail

Olmo 3.1 32B Instruct

Q4_K_M · 8K contexte

Possible mais lent

Le modèle demande environ 21,1 Go mais seuls 7,7 Go de VRAM sont utilisables : 13,5 Go doivent être chargés en RAM système. Il fonctionne, à 36 % sur le GPU, mais plus lentement.

Votre matériel
RTX 4060 8 Go · 64 Go RAM
Mémoire estimée
~21,1 Go estimation
VRAM (mémoire utilisable)
7,7 Go
GPU seul
Non
Offload CPU/GPU
Nécessaire (13,5 Go)
Vitesse de génération
1,4–3 tok/s estimation
Plus grand contexte en mémoire rapide
Aucun
Confiance : faible

Basé sur : bande passante mémoire (272 Go/s) et taille du modèle · bande passante de la RAM système (~51 Go/s)

Répartition de la mémoire

~21,1 Go (20,4 Go–21,8 Go) nécessaires · estimation

13,5 Go à décharger en RAM système

  • Poids du modèle18,1 Go
  • Cache KV1,3 Go
  • Surcoût runtime0,7 Go
  • Marge de sécurité1 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier · les couches à fenêtre glissante gardent 4 096 tokens

EstimationDonnées mises à jour il y a 40 joursSource: moteur Run LLM Locally, Hugging Face config.json + model card

Ce qui rend cette estimation moins fiable

  • pas encore de benchmark pour ce matériel et ce modèle
  • le partage CPU/GPU varie beaucoup selon le processeur et le lien PCIe
  • vitesse de la RAM inconnue (DDR4-3200 double canal supposée)

Les autres quantifications sur la RTX 4060

Olmo 3.1 32B Instruct sur RTX 4060 + 64 Go de RAM · contexte 8K
Olmo 3.1 32B Instruct Q8_08K~35,6 Go · 0,7–1,3 tok/s estimationDéconseillé
Olmo 3.1 32B Instruct Q6_K8K~27,9 Go · 1–1,8 tok/s estimationDéconseillé
Olmo 3.1 32B Instruct Q5_K_M8K~24,4 Go · 1,2–2 tok/s estimationPossible mais lent
Olmo 3.1 32B Instruct Q4_K_M8K~21,1 Go · 1,4–3 tok/s estimationPossible mais lent
Olmo 3.1 32B Instruct IQ4_XS8K~19 Go · 1,7–3 tok/s estimationPossible mais lent
Olmo 3.1 32B Instruct Q3_K_M8K~17,3 Go · 2–4 tok/s estimationPossible mais lent

Alternatives

Les GPU qui font tourner Olmo 3.1 32B Instruct Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 4060

Du matériel qui fait tourner Olmo 3.1 32B Instruct Q4_K_M entièrement en mémoire

Les prix et les liens suivent le marché choisi.

Radeon RX 7900 XTX

AMD

CompatibleFait tourner Olmo 3.1 32B Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

MacBook Pro 14 M3 Pro

Apple Silicon

CompatibleFait tourner Olmo 3.1 32B Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

AMD Ryzen AI Max+ 395

PC à mémoire unifiée

CompatibleFait tourner Olmo 3.1 32B Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La RTX 4060 peut-elle faire tourner Olmo 3.1 32B Instruct ?
Le modèle demande environ 21,1 Go mais seuls 7,7 Go de VRAM sont utilisables : 13,5 Go doivent être chargés en RAM système. Il fonctionne, à 36 % sur le GPU, mais plus lentement.
Quelle quantification choisir sur la RTX 4060 ?
Aucune ne tient entièrement en VRAM à 8K ; la plus petite, Q3_K_M, demande encore un offload.
Quel est le plus grand contexte possible sur la RTX 4060 ?
En Q4_K_M, le modèle ne tient pas entièrement en VRAM, même avec un contexte court.
À quelle vitesse tourne Olmo 3.1 32B Instruct (RTX 4060) ?
Nous estimons 1,4–3 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (272 Go/s) et taille du modèle, bande passante de la RAM système (~51 Go/s).