--- title: "Egen drift — vilken modell med öppna vikter får plats på den här maskinen · Undominated.ai" canonical: https://undominated.ai/sv/self-host/ description: "Utifrån RAM och GPU-minne rangordnas de modeller med öppna vikter i katalogen som faktiskt får plats. Kvalitet går först. Obetygsatt är inte noll. Ett saknat parameterantal är ingen gissning." --- # Egen drift — vilken modell med öppna vikter får plats på den här maskinen · Undominated.ai > Utifrån RAM och GPU-minne rangordnas de modeller med öppna vikter i katalogen som faktiskt får plats. Kvalitet går först. Obetygsatt är inte noll. Ett saknat parameterantal är ingen gissning. # Egen drift RAM och huruvida du har en GPU räcker. Allt annat är valfritt. Rangordningen är aritmetik på källbelagda parameterantal — NVIDIA utser inte vinnaren. 25 katalograder märkta som öppna vikter. Inget annat är en kandidat. 25 av dem har ett källbelagt parameterantal. Övriga anges som okända, inte gissade. 1 GiB marginal för körtiden, angiven, inte uppmätt på din maskin. [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/) System-RAM GiB GPU Ingen (CPU) NVIDIA AMD Apple Intel GPU-minne GiB Krävs om du inte anger ett kort vi listar. Apple: lämna tomt; RAM är poolen. GPU-namn (valfritt) Antal GPU:er Operativsystem (valfritt — endast programvara) Hoppa över Linux Windows macOS Kontext att budgetera 4K 8K 16K 32K KV-cachen växer med detta. Vi utgår inte från modellkortets maximum. 7 av 25 profilerade modeller med öppna vikter får plats i 24 GiB (vram) vid kontext 8192. Bäst betygsatt som får plats: Gemma 4 31B (Q5_K_M). ** ** ** Vikter 21,106 GiB KV ej uppskattad Körtid 1 GiB Marginal 1,9 GiB / 24 GiB VRAM as entered. Driver reservation is inside the 1 GiB overhead, not extra. 48 GiB höjer kvantiseringen av Gemma 4 31B till Q8_0. Samma modell, inte en högre intelligenspoäng. ## Bland modeller som får plats Högst LMArena-Elo bland dem som får plats: Gemma 4 31B 1443,4. Elo är en skala för mänsklig preferens, inte intelligensindexet. 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. ## Betygsatta modeller som får plats | Modell | Mänsklig preferens | Kvantisering som får plats | Uppskattade GiB | Marginal | | --- | --- | --- | --- | --- | | [Gemma 4 31B](/models/google__gemma-4-31b-it/) syn video resonemang verktyg | 1443,4 | Q5_K_M | 22,106 | 1,894 | | [Qwen3.8 27B](/models/qwen__qwen3.8-27b/) syn video resonemang verktyg | 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. ## Får plats, obetygsatta - [Muse Glimmer 30B](/models/meta__muse-glimmer-30b/) — Q5_K_M, 21,756 GiB obetygsatt syn resonemang verktyg - [Ministral 3 14B 2512](/models/mistralai__ministral-14b-2512/) — Q8_0, 17,019 GiB obetygsatt syn verktyg - [Ministral 3 8B 2512](/models/mistralai__ministral-8b-2512/) — F16, 19,663 GiB obetygsatt syn verktyg - [Ministral 3 3B 2512](/models/mistralai__ministral-3b-2512/) — F16, 9,413 GiB obetygsatt syn verktyg ## Vad en uppgradering faktiskt ger Flaskhalsen är GPU-minnet. Mer system-RAM laddar inte fler vikter på det här kortet. | Uppskattade GiB | Låser upp | Exempel | Listpris | | --- | --- | --- | --- | | 48 GiB | [Gemma 4 31B](/models/google__gemma-4-31b-it/) — Q8_0 samma modell, högre kvantisering | rtx a6000, rtx 6000 ada, rtx pro 6000 blackwell | Inget konsumentpris i den här filen | Nästa högre betygsatta katalogmodell är Kimi K3, och även Q4_K_M kräver 1691,5 GiB. Det är inget skrivbordskort. 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. Uppgraderingar använder samma passformsformel som rangordningen. Listpriser är NVIDIA:s från-priser, daterade 2026-08-25. Gatupriser är ofta högre. Begagnade 24 GB-kort och datacenter-GPU:er saknar listpris här. RAM-moduler prissätts inte. ## Får inte plats, eller inte profilerade - 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 ## Ytterligare detaljer (valfritt) Ändrar inte rangordningen. Valfri AI-analys av dina anteckningar mot siffrorna ovan, med NVIDIA NIM:s starkaste modeller. Analysera med AI ## Så tas siffran fram Vikter: en uppmätt GGUF-storlek när vi har en, annars totala parametrar × bitar per vikt ÷ 8. Q4_K_M behandlas som 4,83 bitar per parameter. MoE-minne använder totala parametrar, inte aktiva. KV-cache, när lager- och huvudgeometrin är källbelagd: 2 × kvLayers × kvHeads × headDim × kontext × 2 byte (FP16, batch 1). Hybridmodeller använder antalet attentionlager, inte alla lager. Saknas geometrin utelämnas cachen, och det anges. 1 GiB läggs till för CUDA och körtid. Apples enhetliga minne använder RAM som pool. Enbart CPU är en minnespassning, inte ett hastighetspåstående. DDR-generationen ignoreras för passningen — den ändrar bandbredd, inte om vikterna ryms i minnet. Endast katalograder med openWeights=true är kandidater. Det finns 25 sådana rader; 25 har källbelagda storlekar. Obetygsatta modeller som får plats listas separat. En högre poäng betyder inte ett rakt byte. RAM-typ (DDR4/DDR5/LPDDR) är inte ett fält. Den ändrar inte om en modell får plats. ## Continue your investigation - [Inspect open-weight models · English](/open-weights/) - [Compare model variants · English](/families/) - [Review requirements · English](/compare/) - [Find serving tools · English](/tools/)