Потянет ли мой ПК эту ИИ-модель?
Выберите своё железо. Всё работает в браузере, никакие данные никуда не отправляются. Результаты — это оценки.
Ваше железо
Результаты
GPU = помещается в видеопамять (быстро). Выгрузка = нужна ещё и оперативная память (работает, но гораздо медленнее; 4 ГБ резервируются под ОС). Нет = слишком большая. Число — оценка общего объёма в ГБ.
Некоторые ссылки могут быть партнёрскими; мы отметим это там, где они есть. Как мы зарабатываем.
Сообщите мне, когда на мой GPU поместятся новые модели
Одно короткое письмо с главными новостями ИИ и игр, которые мы проверили за день, плюс один полезный инструмент. Подписка скоро откроется. А пока следите за нами через RSS-ленту.
Как считается оценка
- Веса = параметры × бит на вес ÷ 8. Например, модель 7B в 16 битах занимает около 14 ГБ. Биты на вес — приблизительные значения llama.cpp: Q4_K_M ≈ 4,89, Q5_K_M ≈ 5,70, Q8_0 ≈ 8,5, FP16 = 16 (документация llama.cpp по квантизации).
- Накладные расходы на запуск: 10 % от весов плюс 0,5 ГБ. Это наше эмпирическое правило, а не измерение.
- KV-кэш (память контекста): около 0,0125 ГБ на миллиард параметров на каждые 4K токенов. Это грубое среднее. Реальный расход зависит от числа слоёв, типа внимания (GQA) и квантизации KV-кэша и может быть заметно выше или ниже.
Число параметров — это общее количество, которое Hugging Face указывает для официального репозитория каждой модели (ссылки в таблице), данные на 30 октября 2026 г. Для моделей со смесью экспертов (MoE) объём памяти зависит от общего числа параметров, а не от активных. Некоторые модели поставляются уже квантизованными (например, gpt-oss в MXFP4), поэтому реальные файлы могут быть меньше, чем в столбце FP16. Для точной цифры посмотрите размер GGUF-файла на странице модели и добавьте запас под контекст.
Список моделей обновлён 30 октября 2026 г. В него вошли релизы 2026 года (Gemma 4, Qwen3.8, Nemotron 3.5). Очень большие модели (DeepSeek V4, Kimi K3, Muse Spark Open) не включены, потому что им нужны серверы с несколькими GPU.