FreeLLMTodos os modelos › ibm-granite
granite-4.1-3b-llmon-preview
ibm-granite · lançado em 1 out. 2026
Onde usar de graça
- Execute em um comando com whichllm (gratuito, código aberto):
uvx whichllm@latest plan "granite-4.1-3b-llmon-preview"mostra a GPU que você precisa,uvx whichllm@latest run "granite-4.1-3b-llmon-preview gguf"a baixa e inicia um chat - Baixe e rode em casa: pesos oficiais · arquivos GGUF para Ollama e LM Studio
Novo: aguardando votos da Arena
Lançado em 1 out. 2026. A Arena ainda não votou neste modelo. Assim que votar, o modelo entra no ranking automaticamente, em geral na noite seguinte. Até lá, você já pode ver abaixo o tamanho, a memória necessária e a velocidade.
Velocidade em hardware popular
| Hardware | Memória da GPU | Cabe? | Velocidade |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Cabe na GPU | 54 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Cabe na GPU | 44 tok/s |
| RTX 3090 | 24 GB | Cabe na GPU | 129 tok/s |
| RTX 4090 | 24 GB | Cabe na GPU | 138 tok/s |
| RTX 5090 | 32 GB | Cabe na GPU | 221 tok/s |
| RX 7900 XTX | 24 GB | Cabe na GPU | 132 tok/s |
| 2 × RTX 3090 | 48 GB | Cabe na GPU | 125 tok/s |
| 4 × RTX 3090 | 96 GB | Cabe na GPU | 118 tok/s |
| Mac M4 Max 128 GB | 96 GB | Cabe na GPU | 66 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Cabe na GPU | 39 tok/s |
| 8 × H100 SXM | 640 GB | Cabe na GPU | 286 tok/s |
Estimativa com 4 bits e contexto de 32K, com 64 GB de DDR5 para offload. Velocidade ≈ largura de banda da memória × 78% ÷ dados lidos por token, mais um custo fixo por token, calibrada em 44 testes reais com llama.cpp; erro típico de cerca de ±10%. Compare todas as GPUs.
Memória de GPU necessária
| Nível | Contexto de 8K | Contexto de 32K | Contexto de 128K | Qualidade vs. completo |
|---|---|---|---|---|
| Q3_K_M | 3.1 GB | 5.1 GB | 13 GB | +10.5% perda perceptível |
| Q4_K_M | 3.5 GB | 5.5 GB | 14 GB | +2.8% perda pequena |
| Q5_K_M | 3.9 GB | 5.9 GB | 14 GB | +0.9% perda muito pequena |
| Q6_K | 4.3 GB | 6.3 GB | 14 GB | +0.3% quase sem perda |
| Q8_0 | 5.2 GB | 7.2 GB | 15 GB | ≈ 0% igual ao completo |
| F16 | 8.7 GB | 11 GB | 19 GB | ≈ 0% igual ao completo |
Pesos + cache de contexto (a partir da arquitetura do modelo) + runtime. Qualidade: aumento em perplexity em relação ao modelo completo, com base em testes com llama.cpp, ajustado pelo tamanho do modelo. Simule a sua configuração.
Compartilhe esta página:XLinkedInRedditWhatsApp
Viu um número errado ou um link quebrado? Informe um erro