Aller au contenu
Run LLM Locally

Qwen3.5 122B-A10B sur une RTX 5090

Qwen3.5 122B-A10B en Q4_K_M demande environ 76,2 Go, plus que les 32 Go de la RTX 5090 : 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

Qwen3.5 122B-A10B

Q4_K_M · 8K contexte

Possible mais lent

Le modèle demande environ 76,2 Go mais seuls 31 Go de VRAM sont utilisables : 45,2 Go doivent être chargés en RAM système. Il fonctionne, à 41 % sur le GPU, mais plus lentement.

Votre matériel
RTX 5090 32 Go · 64 Go RAM
Mémoire estimée
~76,2 Go estimation
VRAM (mémoire utilisable)
31 Go
GPU seul
Non
Offload CPU/GPU
Nécessaire (45,2 Go)
Vitesse de génération
5–10 tok/s estimation
Plus grand contexte en mémoire rapide
Aucun
Confiance : faible

Basé sur : bande passante mémoire (1 792 Go/s) et taille du modèle · bande passante de la RAM système (~51 Go/s)

Répartition de la mémoire

~76,2 Go (74,3 Go–78,1 Go) nécessaires · estimation

45,2 Go à décharger en RAM système

  • Poids du modèle71,3 Go
  • Cache KV0,3 Go
  • Surcoût runtime1 Go
  • Marge de sécurité3,6 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 5090

Qwen3.5 122B-A10B sur RTX 5090 + 64 Go de RAM · contexte 8K
Qwen3.5 122B-A10B Q8_08K~128 Go · Pas de donnéesIncompatible
Qwen3.5 122B-A10B Q6_K8K~100 Go · Pas de donnéesIncompatible
Qwen3.5 122B-A10B Q5_K_M8K~90,9 Go · Pas de donnéesIncompatible
Qwen3.5 122B-A10B Q4_K_M8K~76,2 Go · 5–10 tok/s estimationPossible mais lent
Qwen3.5 122B-A10B IQ4_XS8K~69,6 Go · 6–12 tok/s estimationPossible mais lent
Qwen3.5 122B-A10B Q3_K_M8K~56,5 Go · 8,5–17 tok/s estimationOffload CPU/GPU

Alternatives

Les GPU qui font tourner Qwen3.5 122B-A10B Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 5090

Du matériel qui fait tourner Qwen3.5 122B-A10B Q4_K_M entièrement en mémoire

Les prix et les liens suivent le marché choisi.

RTX PRO 6000 Blackwell Workstation Edition

NVIDIA

ExcellentFait tourner Qwen3.5 122B-A10B Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Radeon PRO W7900

AMD

ExcellentFait tourner Qwen3.5 122B-A10B Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

NVIDIA DGX Spark (GB10)

PC à mémoire unifiée

ExcellentFait tourner Qwen3.5 122B-A10B 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 5090 peut-elle faire tourner Qwen3.5 122B-A10B ?
Le modèle demande environ 76,2 Go mais seuls 31 Go de VRAM sont utilisables : 45,2 Go doivent être chargés en RAM système. Il fonctionne, à 41 % sur le GPU, mais plus lentement.
Quelle quantification choisir sur la RTX 5090 ?
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 5090 ?
En Q4_K_M, le modèle ne tient pas entièrement en VRAM, même avec un contexte court.
À quelle vitesse tourne Qwen3.5 122B-A10B (RTX 5090) ?
Nous estimons 5–10 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (1 792 Go/s) et taille du modèle, bande passante de la RAM système (~51 Go/s).