Aller au contenu
Run LLM Locally

Qwen3 0.6B sur une RTX 4090

Avec ses 24 Go de VRAM, la RTX 4090 fait tourner Qwen3 0.6B en Q4_K_M entièrement sur le GPU avec un contexte de 8K (environ 2,4 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Qwen3 0.6B

Q4_K_M · 8K contexte

Excellent

Le modèle demande environ 2,4 Go et tient dans les 23,3 Go disponibles, avec 20,9 Go de marge.

Votre matériel
RTX 4090 24 Go · 64 Go RAM
Mémoire estimée
~2,4 Go estimation
VRAM (mémoire utilisable)
23,3 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
344–659 tok/s estimation
Plus grand contexte en mémoire rapide
32K tokens
Confiance : faible

Basé sur : bande passante mémoire (1 008 Go/s) et taille du modèle

Répartition de la mémoire

~2,4 Go (2,1 Go–2,7 Go) nécessaires · estimation

Tient entièrement en VRAM · 20,9 Go libres

  • Poids du modèle0,5 Go
  • Cache KV0,9 Go
  • Surcoût runtime0,8 Go
  • Marge de sécurité0,3 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 24 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

Les autres quantifications sur la RTX 4090

Qwen3 0.6B sur RTX 4090 + 64 Go de RAM · contexte 8K
Qwen3 0.6B Q8_08K~2,5 Go · 322–597 tok/s estimationExcellent
Qwen3 0.6B Q6_K8K~2,5 Go · 324–603 tok/s estimationExcellent
Qwen3 0.6B Q5_K_M8K~2,4 Go · 334–631 tok/s estimationExcellent
Qwen3 0.6B Q4_K_M8K~2,4 Go · 344–659 tok/s estimationExcellent
Qwen3 0.6B IQ4_XS8K~2,3 Go · 350–674 tok/s estimationExcellent
Qwen3 0.6B Q3_K_M8K~2,3 Go · 355–691 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Qwen3 0.6B Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 4090

Où acheter une RTX 4090

Les prix et les liens suivent le marché choisi.

GeForce RTX 4090

24 Go GDDR6X · 1 008 Go/s · 450 W

ExcellentFait tourner Qwen3 0.6B 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 4090 peut-elle faire tourner Qwen3 0.6B ?
Le modèle demande environ 2,4 Go et tient dans les 23,3 Go disponibles, avec 20,9 Go de marge.
Quelle quantification choisir sur la RTX 4090 ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~2,5 Go / 23,3 Go.
Quel est le plus grand contexte possible sur la RTX 4090 ?
En Q4_K_M, environ 32K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne Qwen3 0.6B (RTX 4090) ?
Nous estimons 344–659 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (1 008 Go/s) et taille du modèle.