FreeLLMTodos los modelos › tencent
Hy-Memory-30B-A3B
tencent · lanzado el 15 oct 2026
Dónde usarlo gratis
- El chat del propio laboratorio: yuanbao.tencent.com (gratis con límites diarios)
- Descárgalo y ejecútalo en casa: pesos oficiales · archivos GGUF para Ollama y LM Studio
Nuevo: esperando votos de Arena
Lanzado el 15 oct 2026. Arena aún no ha votado este modelo. En cuanto lo haga, el modelo pasará a la clasificación automáticamente, normalmente la noche siguiente. Mientras tanto, puedes consultar abajo su tamaño, la memoria que necesita y su velocidad.
Velocidad en hardware popular
| Hardware | Memoria de GPU | ¿Cabe? | Velocidad |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | GPU + 64 GB de RAM | 33 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | GPU + 64 GB de RAM | 33 tok/s |
| RTX 3090 | 24 GB | Cabe en la GPU | 103 tok/s |
| RTX 4090 | 24 GB | Cabe en la GPU | 109 tok/s |
| RTX 5090 | 32 GB | Cabe en la GPU | 156 tok/s |
| RX 7900 XTX | 24 GB | Cabe en la GPU | 105 tok/s |
| 2 × RTX 3090 | 48 GB | Cabe en la GPU | 100 tok/s |
| 4 × RTX 3090 | 96 GB | Cabe en la GPU | 95 tok/s |
| Mac M4 Max 128 GB | 96 GB | Cabe en la GPU | 55 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Cabe en la GPU | 36 tok/s |
| 8 × H100 SXM | 640 GB | Cabe en la GPU | 175 tok/s |
Estimación a 4 bits con contexto de 32K y 64 GB de DDR5 para el volcado a RAM. Velocidad ≈ ancho de banda de memoria × 78 % ÷ datos leídos por token, más un coste fijo por token, calibrada con 44 pruebas reales de llama.cpp; error típico de unos ±10 %. Compara todas las GPU.
Memoria de GPU necesaria
| Nivel | Contexto de 8K | Contexto de 32K | Contexto de 128K | Calidad frente al modelo completo |
|---|---|---|---|---|
| Q3_K_M | 16 GB | 19 GB | 29 GB | +7.0 % pérdida notable |
| Q4_K_M | 20 GB | 22 GB | 32 GB | +1.8 % pérdida pequeña |
| Q5_K_M | 23 GB | 25 GB | 35 GB | +0.6 % casi sin pérdida |
| Q6_K | 26 GB | 29 GB | 38 GB | +0.2 % casi sin pérdida |
| Q8_0 | 33 GB | 36 GB | 45 GB | ≈ 0 % igual que el completo |
| F16 | 62 GB | 64 GB | 74 GB | ≈ 0 % igual que el completo |
Pesos + caché de contexto (según la arquitectura del modelo) + entorno de ejecución. Calidad: aumento de perplexity respecto al modelo completo, según pruebas de llama.cpp, ajustado al tamaño del modelo. Simula tu propia configuración.
Comparte esta página:XLinkedInRedditWhatsApp
¿Has visto un número incorrecto o un enlace roto? Avísanos del error