FreeLLMTodos los modelos › CohereLabs
tiny-aya-l2-thinker
CohereLabs · licencia que hay que aceptar · lanzado el 2 sep 2026
Dónde usarlo gratis
- Descárgalo y ejecútalo en casa: pesos oficiales · archivos GGUF para Ollama y LM Studio (primero aceptas la licencia en Hugging Face)
Nuevo: esperando votos de Arena
Lanzado el 2 sep 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 | Cabe en la GPU | 101 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Cabe en la GPU | 82 tok/s |
| RTX 3090 | 24 GB | Cabe en la GPU | 226 tok/s |
| RTX 4090 | 24 GB | Cabe en la GPU | 239 tok/s |
| RTX 5090 | 32 GB | Cabe en la GPU | 358 tok/s |
| RX 7900 XTX | 24 GB | Cabe en la GPU | 230 tok/s |
| 2 × RTX 3090 | 48 GB | Cabe en la GPU | 219 tok/s |
| 4 × RTX 3090 | 96 GB | Cabe en la GPU | 207 tok/s |
| Mac M4 Max 128 GB | 96 GB | Cabe en la GPU | 107 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Cabe en la GPU | 74 tok/s |
| 8 × H100 SXM | 640 GB | Cabe en la GPU | 422 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 | 2.4 GB | 2.7 GB | 4.1 GB | +10.5 % pérdida notable |
| Q4_K_M | 2.8 GB | 3.1 GB | 4.4 GB | +2.8 % pérdida pequeña |
| Q5_K_M | 3.1 GB | 3.5 GB | 4.8 GB | +0.9 % pérdida muy pequeña |
| Q6_K | 3.5 GB | 3.8 GB | 5.2 GB | +0.3 % casi sin pérdida |
| Q8_0 | 4.3 GB | 4.7 GB | 6.0 GB | ≈ 0 % igual que el completo |
| F16 | 7.5 GB | 7.8 GB | 9.2 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