FreeLLMAlle Modelle › CohereLabs
tiny-aya-l2-thinker
CohereLabs · Lizenz muss akzeptiert werden · veröffentlicht am 2. Sept. 2026
Wo du es kostenlos nutzen kannst
- Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio (du akzeptierst zuerst die Lizenz auf Hugging Face)
Neu: wartet auf Arena-Stimmen
Veröffentlicht am 2. Sept. 2026. Die Arena hat über dieses Modell noch nicht abgestimmt. Sobald das passiert, rückt das Modell automatisch in die Rangliste auf, meist in der nächsten Nacht. Bis dahin kannst du unten schon Größe, Speicherbedarf und Geschwindigkeit ansehen.
Geschwindigkeit auf gängiger Hardware
| Hardware | GPU-Speicher | Passt es? | Geschwindigkeit |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Passt in die GPU | 101 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Passt in die GPU | 82 tok/s |
| RTX 3090 | 24 GB | Passt in die GPU | 226 tok/s |
| RTX 4090 | 24 GB | Passt in die GPU | 239 tok/s |
| RTX 5090 | 32 GB | Passt in die GPU | 358 tok/s |
| RX 7900 XTX | 24 GB | Passt in die GPU | 230 tok/s |
| 2 × RTX 3090 | 48 GB | Passt in die GPU | 219 tok/s |
| 4 × RTX 3090 | 96 GB | Passt in die GPU | 207 tok/s |
| Mac M4 Max 128 GB | 96 GB | Passt in die GPU | 107 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Passt in die GPU | 74 tok/s |
| 8 × H100 SXM | 640 GB | Passt in die GPU | 422 tok/s |
Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.
Benötigter GPU-Speicher
| Stufe | 8K Kontext | 32K Kontext | 128K Kontext | Qualität im Vergleich zum Original |
|---|---|---|---|---|
| Q3_K_M | 2.4 GB | 2.7 GB | 4.1 GB | +10.5 % spürbarer Verlust |
| Q4_K_M | 2.8 GB | 3.1 GB | 4.4 GB | +2.8 % kleiner Verlust |
| Q5_K_M | 3.1 GB | 3.5 GB | 4.8 GB | +0.9 % sehr kleiner Verlust |
| Q6_K | 3.5 GB | 3.8 GB | 5.2 GB | +0.3 % nahezu verlustfrei |
| Q8_0 | 4.3 GB | 4.7 GB | 6.0 GB | ≈ 0 % wie das Original |
| F16 | 7.5 GB | 7.8 GB | 9.2 GB | ≈ 0 % wie das Original |
Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden