Aller au contenu
Run LLM Locally

Qwen3.5 4B sur une RTX 5090

Avec ses 32 Go de VRAM, la RTX 5090 fait tourner Qwen3.5 4B en Q4_K_M entièrement sur le GPU avec un contexte de 8K (environ 4,1 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Qwen3.5 4B

Q4_K_M · 8K contexte

Excellent

Le modèle demande environ 4,1 Go et tient dans les 31 Go disponibles, avec 26,9 Go de marge.

Votre matériel
RTX 5090 32 Go · 64 Go RAM
Mémoire estimée
~4,1 Go estimation
VRAM (mémoire utilisable)
31 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
249–439 tok/s estimation
Plus grand contexte en mémoire rapide
256K tokens
Confiance : faible

Basé sur : bande passante mémoire (1 792 Go/s) et taille du modèle

Répartition de la mémoire

~4,1 Go (3,7 Go–4,6 Go) nécessaires · estimation

Tient entièrement en VRAM · 26,9 Go libres

  • Poids du modèle2,6 Go
  • Cache KV0,3 Go
  • Surcoût runtime1 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 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

Les autres quantifications sur la RTX 5090

Qwen3.5 4B sur RTX 5090 + 64 Go de RAM · contexte 8K
Qwen3.5 4B Q8_08K~5,7 Go · 190–306 tok/s estimationExcellent
Qwen3.5 4B Q6_K8K~4,8 Go · 218–367 tok/s estimationExcellent
Qwen3.5 4B Q5_K_M8K~4,5 Go · 232–399 tok/s estimationExcellent
Qwen3.5 4B Q4_K_M8K~4,1 Go · 249–439 tok/s estimationExcellent
Qwen3.5 4B IQ4_XS8K~3,9 Go · 262–469 tok/s estimationExcellent
Qwen3.5 4B Q3_K_M8K~3,7 Go · 271–494 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Qwen3.5 4B Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 5090

Où acheter une RTX 5090

Les prix et les liens suivent le marché choisi.

GeForce RTX 5090

32 Go GDDR7 · 1 792 Go/s · 575 W

ExcellentFait tourner Qwen3.5 4B 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 4B ?
Le modèle demande environ 4,1 Go et tient dans les 31 Go disponibles, avec 26,9 Go de marge.
Quelle quantification choisir sur la RTX 5090 ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~5,7 Go / 31 Go.
Quel est le plus grand contexte possible sur la RTX 5090 ?
En Q4_K_M, environ 256K 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 Qwen3.5 4B (RTX 5090) ?
Nous estimons 249–439 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (1 792 Go/s) et taille du modèle.