Posso rodar o Qwen3-VL 8B?
O Qwen3-VL 8B, da Alibaba, precisa de cerca de 8 GB de RAM na quantização recomendada de 4 bits (download de 4.9 GB). Seu hardware é verificado abaixo — na hora, nada sai do seu navegador. Espere cerca de ~63 tok/s em um NVIDIA RTX 3060 12GB.
Lendo os sinais do seu hardware…
Especificações
Tamanho por quantização
| Quantização | Bits/peso | Download | RAM mínima | Qualidade |
|---|---|---|---|---|
| Q2_K | 3.35 | 3.4 GB | 6 GB | Perda perceptível |
| Q4_K_MRecomendada | 4.85 | 4.9 GB | 8 GB | Recomendada |
| Q5_K_M | 5.65 | 5.7 GB | 12 GB | Alta |
| Q8_0 | 8.5 | 8.5 GB | 16 GB | Quase original |
| F16 | 16 | 16.0 GB | 24 GB | Original |
Os tamanhos são estimativas de número de parâmetros × bits por peso; builds GGUF reais variam um pouco. · Dados atualizados: 2026-06-11 · Como calculamos esses números →
Memória necessária por tamanho de contexto
| Contexto | Cache KV (est.) | Memória total (Q4) |
|---|---|---|
| 4K tokens | ~0.5 GB | ~5.4 GB |
| 8K tokens | ~1.0 GB | ~5.9 GB |
| 32K tokens | ~4.2 GB | ~9.1 GB |
| 128K tokens | ~16.8 GB | ~21.7 GB |
O cache KV cresce com o tamanho do contexto — um modelo que cabe em 4K pode ficar sem memória em 32K. As estimativas assumem cache em FP16 com grouped-query attention; o uso real varia conforme o runtime.
Velocidade estimada por hardware
| Hardware | Largura de banda | ~Velocidade |
|---|---|---|
| NVIDIA RTX 3060 12GB | 360 GB/s | ~63 tok/s |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~177 tok/s |
| Apple M-series (base) | 100 GB/s | ~18 tok/s |
| Apple M-series Pro | 270 GB/s | ~47 tok/s |
| Apple M-series Max | 410 GB/s | ~72 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~11 tok/s |
A geração de tokens é limitada pela largura de banda da memória: tok/s ≈ largura de banda × 0,85 ÷ tamanho do modelo em Q4. Os números reais variam conforme o runtime e o tamanho do contexto.
Rode localmente
O caminho mais fácil é o Ollama — um comando e você já está conversando:
ollama run qwen3-vl:8bFontes e downloads