Aller au contenu
Run LLM Locally

Qwen3.6 35B-A3B sur une RTX 4060

Qwen3.6 35B-A3B en Q4_K_M demande environ 23 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

Qwen3.6 35B-A3B

Q4_K_M · 8K contexte

Possible mais lent

Le modèle demande environ 23 Go mais seuls 7,7 Go de VRAM sont utilisables : 15,4 Go doivent être chargés en RAM système. Il fonctionne, à 33 % sur le GPU, mais plus lentement.

Votre matériel
RTX 4060 8 Go · 64 Go RAM
Mémoire estimée
~23 Go estimation
VRAM (mémoire utilisable)
7,7 Go
GPU seul
Non
Offload CPU/GPU
Nécessaire (15,4 Go)
Vitesse de génération
13–26 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

~23 Go (22,2 Go–23,9 Go) nécessaires · estimation

15,4 Go à décharger en RAM système

  • Poids du modèle20,8 Go
  • Cache KV0,2 Go
  • Surcoût runtime1 Go
  • Marge de sécurité1,1 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier

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)
  • mélange d'experts : la vitesse dépend du routage des experts

Les autres quantifications sur la RTX 4060

Qwen3.6 35B-A3B sur RTX 4060 + 64 Go de RAM · contexte 8K
Qwen3.6 35B-A3B Q8_08K~38,2 Go · 7–14 tok/s estimationPossible mais lent
Qwen3.6 35B-A3B Q6_K8K~31,5 Go · 9–18 tok/s estimationPossible mais lent
Qwen3.6 35B-A3B Q5_K_M8K~26,6 Go · 11–21 tok/s estimationPossible mais lent
Qwen3.6 35B-A3B Q4_K_M8K~23 Go · 13–26 tok/s estimationPossible mais lent
Qwen3.6 35B-A3B IQ4_XS8K~20,5 Go · 16–30 tok/s estimationPossible mais lent
Qwen3.6 35B-A3B Q3_K_M8K~18 Go · 19–36 tok/s estimationPossible mais lent

Alternatives

Les GPU qui font tourner Qwen3.6 35B-A3B Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 4060

Du matériel qui fait tourner Qwen3.6 35B-A3B Q4_K_M entièrement en mémoire

Les prix et les liens suivent le marché choisi.

GeForce RTX 5090

NVIDIA

ExcellentFait tourner Qwen3.6 35B-A3B Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Radeon PRO W7900

AMD

ExcellentFait tourner Qwen3.6 35B-A3B 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 Qwen3.6 35B-A3B 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 Qwen3.6 35B-A3B 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 Qwen3.6 35B-A3B ?
Le modèle demande environ 23 Go mais seuls 7,7 Go de VRAM sont utilisables : 15,4 Go doivent être chargés en RAM système. Il fonctionne, à 33 % 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 Qwen3.6 35B-A3B (RTX 4060) ?
Nous estimons 13–26 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).