--- title: "Собственный хостинг — какая модель с открытыми весами поместится на этой машине · Undominated.ai" canonical: https://undominated.ai/ru/self-host/ description: "Исходя из ОЗУ и памяти GPU, упорядочивает модели с открытыми весами из каталога, которые действительно помещаются. Ведёт качество. Без оценки — не ноль. Отсутствующее число параметров — не догадка." --- # Собственный хостинг — какая модель с открытыми весами поместится на этой машине · Undominated.ai > Исходя из ОЗУ и памяти GPU, упорядочивает модели с открытыми весами из каталога, которые действительно помещаются. Ведёт качество. Без оценки — не ноль. Отсутствующее число параметров — не догадка. # Собственный хостинг Достаточно ОЗУ и того, есть ли у вас GPU. Всё остальное необязательно. Ранжирование — это арифметика по числам параметров с источником: победителя выбирает не NVIDIA. 25 строк каталога помечены как открытые веса. Ничто иное не рассматривается. 25 из них имеют число параметров с источником. Остальные указаны как неизвестные, а не угаданные. 1 ГиБ запаса на среду выполнения — заявленного, а не измеренного на вашей машине. [CPU 16 GiB](/self-host/cpu-16gb/)[8 GiB GPU](/self-host/8gb/)[10 GiB GPU](/self-host/10gb/)[12 GiB GPU](/self-host/12gb/)[16 GiB GPU](/self-host/16gb/)[20 GiB GPU](/self-host/20gb/)[24 GiB GPU](/self-host/24gb/)[32 GiB GPU](/self-host/32gb/)[40 GiB GPU](/self-host/40gb/)[48 GiB GPU](/self-host/48gb/)[80 GiB GPU](/self-host/80gb/)[94 GiB GPU](/self-host/94gb/)[96 GiB GPU](/self-host/96gb/)[192 GiB GPU](/self-host/192gb/) [RTX 5090](/self-host/rtx-5090/)[RTX 5080](/self-host/rtx-5080/)[RTX 5070 Ti](/self-host/rtx-5070-ti/)[RTX 5070](/self-host/rtx-5070/)[RTX 5060 Ti 16](/self-host/rtx-5060-ti-16/)[RTX 5060 Ti 8](/self-host/rtx-5060-ti-8/)[RTX 5060](/self-host/rtx-5060/)[RTX 5050](/self-host/rtx-5050/)[RTX 4090](/self-host/rtx-4090/)[RTX 4080](/self-host/rtx-4080/)[RTX 4070 Ti](/self-host/rtx-4070-ti/)[RTX 4070](/self-host/rtx-4070/)[RTX 4060 Ti 16](/self-host/rtx-4060-ti-16/)[RTX 4060 Ti 8](/self-host/rtx-4060-ti-8/)[RTX 4060](/self-host/rtx-4060/)[RTX 3090](/self-host/rtx-3090/)[RTX 3080 Ti](/self-host/rtx-3080-ti/)[RTX 3080 12](/self-host/rtx-3080-12/)[RTX 3080](/self-host/rtx-3080/)[RTX 3070 Ti](/self-host/rtx-3070-ti/)[RTX 3070](/self-host/rtx-3070/)[RTX 3060 Ti](/self-host/rtx-3060-ti/)[RTX 3060 8](/self-host/rtx-3060-8/)[RTX 3060](/self-host/rtx-3060/)[RTX A6000](/self-host/rtx-a6000/)[RTX A5000](/self-host/rtx-a5000/)[RTX A4000](/self-host/rtx-a4000/)[RTX 6000 ADA](/self-host/rtx-6000-ada/)[RTX 5000 ADA](/self-host/rtx-5000-ada/)[RTX PRO 6000 Blackwell](/self-host/rtx-pro-6000-blackwell/)[RTX PRO 5000 Blackwell](/self-host/rtx-pro-5000-blackwell/)[A100 80](/self-host/a100-80/)[A100 40](/self-host/a100-40/)[H100 NVL](/self-host/h100-nvl/)[H100](/self-host/h100/)[L40S](/self-host/l40s/)[T4](/self-host/t4/)[RX 7900 XTX](/self-host/rx-7900-xtx/)[RX 7900 XT](/self-host/rx-7900-xt/)[RX 6900 XT](/self-host/rx-6900-xt/)[RX 6800 XT](/self-host/rx-6800-xt/)[MI300X](/self-host/mi300x/) Системное ОЗУ ГиБ GPU Нет (CPU) NVIDIA AMD Apple Intel Память GPU GiB Обязательно, если вы не указали карту из нашего списка. Apple: оставьте пустым, пулом служит ОЗУ. Название GPU (необязательно) Количество GPU ОС (необязательно — только для подбора ПО) Пропустить Linux Windows macOS Планируемый контекст 4K 8K 16K 32K Кэш KV растёт вместе с ним. Мы не берём максимум из карточки модели. 7 из 25 профилированных моделей с открытыми весами помещаются в 24 ГиБ (vram) при контексте 8192. Лучшая по оценке из помещающихся: Gemma 4 31B (Q5_K_M). ** ** ** Веса 21,106 GiB KV не оценён Среда выполнения 1 GiB Запас 1,9 GiB / 24 GiB VRAM as entered. Driver reservation is inside the 1 GiB overhead, not extra. 48 ГиБ поднимает квантование Gemma 4 31B до Q8_0. Та же модель, а не более высокая оценка интеллекта. ## Среди моделей, которые помещаются Наивысший Эло LMArena среди помещающихся: Gemma 4 31B 1443,4. Эло — шкала предпочтений людей, а не индекс интеллекта. The arena boards are separate scales and are never blended. A missing cell is unmeasured, not zero. A model’s highest axis is relative to its own scores, not a claim it leads the catalogue. ## Оценённые модели, которые помещаются | Модель | Предпочтения людей | Подходящее квантование | Оценка, ГиБ | Запас | | --- | --- | --- | --- | --- | | [Gemma 4 31B](/models/google__gemma-4-31b-it/) зрение видео рассуждение инструменты | 1443,4 | Q5_K_M | 22,106 | 1,894 | | [Qwen3.8 27B](/models/qwen__qwen3.8-27b/) зрение видео рассуждение инструменты | 1440,7 | Q5_K_M | 20,063 | 3,938 | | [Phi 4](/models/microsoft__phi-4/) | 1216,7 | Q8_0 | 17,438 | 6,563 | - KV heads and head dim are not in the public size table we used. Cache is not estimated. - KV cache not estimated — layer/head geometry is not in the sourced profile. Longer context may not fit. ## Помещаются, без оценки - [Muse Glimmer 30B](/models/meta__muse-glimmer-30b/) — Q5_K_M, 21,756 GiB без оценки зрение рассуждение инструменты - [Ministral 3 14B 2512](/models/mistralai__ministral-14b-2512/) — Q8_0, 17,019 GiB без оценки зрение инструменты - [Ministral 3 8B 2512](/models/mistralai__ministral-8b-2512/) — F16, 19,663 GiB без оценки зрение инструменты - [Ministral 3 3B 2512](/models/mistralai__ministral-3b-2512/) — F16, 9,413 GiB без оценки зрение инструменты ## Что на самом деле даёт апгрейд Узкое место — память GPU. Больше системного ОЗУ не загрузит дополнительные веса на эту карту. | Оценка, ГиБ | Открывает | Пример | Прайсовая цена | | --- | --- | --- | --- | | 48 GiB | [Gemma 4 31B](/models/google__gemma-4-31b-it/) — Q8_0 та же модель, более высокое квантование | rtx a6000, rtx 6000 ada, rtx pro 6000 blackwell | Потребительской цены в этом файле нет | Следующая по оценке модель каталога — Kimi K3, и даже в Q4_K_M ей нужно 1691,5 ГиБ. Это не настольная карта. NVIDIA 'Starting at' list prices as published 2026-08-25, not a store quote and not a used-market index. Street prices in August 2026 are often much higher (Tom's Hardware Newegg median RTX 5090 $4,699 vs $1,999 list). Last-gen 24 GB cards (4090, 3090) have no current NVIDIA starting-at in this file. Datacenter cards have no consumer list here. RAM DIMMs are not priced — they move weekly. Апгрейды используют ту же формулу вместимости, что и ранжирование. Прайсовые цены — это цены NVIDIA «от», по состоянию на 2026-08-25. Рыночные цены часто выше. У б/у карт на 24 ГБ и GPU для ЦОД прайса здесь нет. Модули ОЗУ не оцениваются. ## Не помещаются или не профилированы - cohere/command-a-plus — even Q4_K_M wants 132.618 GiB; pool is 24 GiB - deepseek/deepseek-v4-flash-vision-exp — even Q4_K_M wants 184.902 GiB; pool is 24 GiB - z-ai/glm-5.3 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB - qwen/qwen3.8-2.4t-a95b — even Q4_K_M wants 1450.719 GiB; pool is 24 GiB - moonshotai/kimi-k3 — even Q4_K_M wants 1691.5 GiB; pool is 24 GiB - z-ai/glm-5.2 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB - moonshotai/kimi-k2.7-code — even Q4_K_M wants 604.75 GiB; pool is 24 GiB - nvidia/nemotron-3-ultra-550b-a55b — even Q4_K_M wants 333.063 GiB; pool is 24 GiB - minimax/minimax-m3 — even Q4_K_M wants 259.405 GiB; pool is 24 GiB - deepseek/deepseek-v4-pro — even Q4_K_M wants 967 GiB; pool is 24 GiB - deepseek/deepseek-v4-flash — even Q4_K_M wants 172.465 GiB; pool is 24 GiB - mistralai/mistral-small-2603 — even Q4_K_M wants 73.2 GiB; pool is 24 GiB - mistralai/mistral-large-2512 — even Q4_K_M wants 408.531 GiB; pool is 24 GiB - deepseek/deepseek-v3.2 — even Q4_K_M wants 406.116 GiB; pool is 24 GiB - openai/gpt-oss-120b — even Q4_K_M wants 72.201 GiB; pool is 24 GiB - meta-llama/llama-4-maverick — even Q4_K_M wants 242.5 GiB; pool is 24 GiB - meta-llama/llama-4-scout — even Q4_K_M wants 66.809 GiB; pool is 24 GiB - cohere/command-a — even Q4_K_M wants 68.016 GiB; pool is 24 GiB ## Дополнительные сведения (необязательно) Не меняет ранжирование. Необязательный разбор ваших заметок с помощью ИИ на фоне приведённых выше чисел, на сильнейших моделях NVIDIA NIM. Разобрать с помощью ИИ ## Как получается это число Веса: измеренный размер GGUF, если он у нас есть, иначе общее число параметров × бит на вес ÷ 8. Q4_K_M считается как 4,83 бита на параметр. Память MoE считается по общему числу параметров, а не по активным. Кэш KV, когда геометрия слоёв и голов имеет источник: 2 × kvLayers × kvHeads × headDim × контекст × 2 байта (FP16, батч 1). Гибридные модели используют число слоёв внимания, а не все слои. Если геометрии нет, кэш не учитывается, и об этом сказано. Добавляется 1 ГиБ на CUDA и среду выполнения. Единая память Apple использует ОЗУ как пул. Режим только на CPU — это вместимость по памяти, а не утверждение о скорости. Поколение DDR при подборе игнорируется: оно меняет пропускную способность, а не то, помещаются ли веса в память. Кандидатами являются только строки каталога с openWeights=true. Таких строк 25; у 25 есть размеры с источником. Помещающиеся модели без оценки перечислены отдельно. Более высокая оценка не означает прямую замену. Тип ОЗУ (DDR4/DDR5/LPDDR) не является полем. Он не влияет на то, помещается ли модель. ## Continue your investigation - [Inspect open-weight models · English](/open-weights/) - [Compare model variants · English](/families/) - [Review requirements · English](/compare/) - [Find serving tools · English](/tools/)