FreeLLMTodos os modelos › inclusionAI
LLaDA-UI
inclusionAI · lançado em 6 set. 2026
Onde usar de graça
- Execute em um comando com whichllm (gratuito, código aberto):
uvx whichllm@latest plan "LLaDA-UI"mostra a GPU que você precisa,uvx whichllm@latest run "LLaDA-UI 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 6 set. 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 | GPU + 64 GB de RAM | 23 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Cabe na GPU | 19 tok/s |
| RTX 3090 | 24 GB | Cabe na GPU | 59 tok/s |
| RTX 4090 | 24 GB | Cabe na GPU | 64 tok/s |
| RTX 5090 | 32 GB | Cabe na GPU | 108 tok/s |
| RX 7900 XTX | 24 GB | Cabe na GPU | 61 tok/s |
| 2 × RTX 3090 | 48 GB | Cabe na GPU | 58 tok/s |
| 4 × RTX 3090 | 96 GB | Cabe na GPU | 54 tok/s |
| Mac M4 Max 128 GB | 96 GB | Cabe na GPU | 33 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Cabe na GPU | 17 tok/s |
| 8 × H100 SXM | 640 GB | Cabe na GPU | 152 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 | Qualidade vs. completo |
|---|---|---|
| Q3_K_M | 9.4 GB | +8.5% perda perceptível |
| Q4_K_M | 11 GB | +2.3% perda pequena |
| Q5_K_M | 13 GB | +0.7% perda muito pequena |
| Q6_K | 15 GB | +0.3% quase sem perda |
| Q8_0 | 19 GB | ≈ 0% igual ao completo |
| F16 | 35 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.
Current alternatives
Compartilhe esta página:XLinkedInRedditWhatsApp
Viu um número errado ou um link quebrado? Informe um erro