Aller au contenu
Run LLM Locally

Qwen3.6 35B-A3B sur une RTX 4090

Qwen3.6 35B-A3B en Q4_K_M demande environ 23 Go ; la RTX 4090 en a 24 Go : il tient presque sans marge avec un contexte de 8K. En Q8_0, il ne tient pas en VRAM.

PartagerFacebookXWhatsAppLinkedInE-mail

Qwen3.6 35B-A3B

Q4_K_M · 8K contexte

Compatible avec limites

Le modèle demande environ 23 Go (jusqu'à 23,9 Go) pour 23,3 Go disponibles : il tient, mais presque sans marge. Réduisez le contexte ou la quantification si le chargement échoue.

Votre matériel
RTX 4090 24 Go · 64 Go RAM
Mémoire estimée
~23 Go estimation
VRAM (mémoire utilisable)
23,3 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
151–254 tok/s estimation
Plus grand contexte en mémoire rapide
20K tokens
Confiance : faible

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

Répartition de la mémoire

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

Tient entièrement en VRAM · 0,3 Go libres

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

Les autres quantifications sur la RTX 4090

Qwen3.6 35B-A3B sur RTX 4090 + 64 Go de RAM · contexte 8K
Qwen3.6 35B-A3B Q8_08K~38,2 Go · 14–27 tok/s estimationOffload CPU/GPU
Qwen3.6 35B-A3B Q6_K8K~31,5 Go · 23–45 tok/s estimationOffload CPU/GPU
Qwen3.6 35B-A3B Q5_K_M8K~26,6 Go · 44–88 tok/s estimationOffload CPU/GPU
Qwen3.6 35B-A3B Q4_K_M8K~23 Go · 151–254 tok/s estimationCompatible avec limites
Qwen3.6 35B-A3B IQ4_XS8K~20,5 Go · 158–271 tok/s estimationCompatible
Qwen3.6 35B-A3B Q3_K_M8K~18 Go · 167–292 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Qwen3.6 35B-A3B 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

Compatible avec limitesFait 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 4090 peut-elle faire tourner Qwen3.6 35B-A3B ?
Le modèle demande environ 23 Go (jusqu'à 23,9 Go) pour 23,3 Go disponibles : il tient, mais presque sans marge. Réduisez le contexte ou la quantification si le chargement échoue.
Quelle quantification choisir sur la RTX 4090 ?
Q4_K_M est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~23 Go / 23,3 Go.
Quel est le plus grand contexte possible sur la RTX 4090 ?
En Q4_K_M, environ 20K 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 Qwen3.6 35B-A3B (RTX 4090) ?
Nous estimons 151–254 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (1 008 Go/s) et taille du modèle.