73 modelos en Q4 · presupuesto de 24 GB
Modelos de IA local para 24GB de VRAM
24 GB es el punto óptimo para entusiastas. Caben los modelos densos de 30B, las mezclas de expertos de tamaño medio se vuelven utilizables, y la generación local de imagen o vídeo corto es realista.
Encaje típico: Modelos densos de 30B, MoE de tamaño medio, o vídeo local. · Ejemplo:RTX 4090
- Qwen 3 0.6BAlibaba · 0.6B · 0.8 GB Q4
- Qwen 3.5 0.8BAlibaba · 0.8B · 0.9 GB Q4
- Llama 3.2 1BMeta · 1B · 1 GB Q4
- Gemma 3 1BGoogle · 1B · 1 GB Q4
- Wan 2.1 T2V 1.3BAlibaba · 1.3B · 1.2 GB Q4
- Qwen 2.5 Coder 1.5BAlibaba · 1.5B · 1.3 GB Q4
- DeepSeek R1 1.5BDeepSeek · 1.5B · 1.3 GB Q4
- Qwen 3 1.7BAlibaba · 1.7B · 1.4 GB Q4
- Qwen 3.5 2BAlibaba · 2B · 1.5 GB Q4
- Llama 3.2 3BMeta · 3B · 2 GB Q4
- SmolLM3 3BHuggingFace · 3B · 2 GB Q4
- Granite 4.1 3BIBM · 3B · 2 GB Q4
- Ministral 3 3BMistral AI · 3B · 2 GB Q4
- Phi-4 Mini ReasoningMicrosoft · 3.8B · 2.4 GB Q4
- Gemma 3 4BGoogle · 4B · 2.5 GB Q4
- Qwen 3.5 4BAlibaba · 4B · 2.5 GB Q4
- FLUX.2 Klein 4BBlack Forest Labs · 4B · 2.5 GB Q4
- Qwen3-VL 4BAlibaba · 4.4B · 2.8 GB Q4
- Gemma 4 E2B ITGoogle · 5B · 3.1 GB Q4
- Wan 2.2 TI2V 5BAlibaba · 5B · 3.1 GB Q4
- Z-Image TurboAlibaba · 6B · 3.6 GB Q4
- Qwen 2.5 Coder 7BAlibaba · 7B · 4.1 GB Q4
- DeepSeek R1 Distill 7BDeepSeek · 7B · 4.1 GB Q4
- Gemma 4 E4B ITGoogle · 8B · 4.6 GB Q4
- Llama 3.1 8BMeta · 8B · 4.6 GB Q4
- Qwen 3 8BAlibaba · 8B · 4.6 GB Q4
- Granite 4.1 8BIBM · 8B · 4.6 GB Q4
- Ministral 8BMistral AI · 8B · 4.6 GB Q4
- HunyuanVideo 1.5Tencent · 8.3B · 4.8 GB Q4
- Qwen3-VL 8BAlibaba · 8.8B · 5 GB Q4
- GLM-4 9BZhipu AI · 9B · 5.1 GB Q4
- Nemotron Nano 9B v2NVIDIA · 9B · 5.1 GB Q4
- Qwen 3.5 9BAlibaba · 9B · 5.1 GB Q4
- Ornith 1.0 9BDeepReinforce · 9B · 5.1 GB Q4
- FLUX.2 Klein 9BBlack Forest Labs · 9B · 5.1 GB Q4
- Gemma 3 12BGoogle · 12B · 6.6 GB Q4
- Mistral Nemo 12BMistral AI · 12B · 6.6 GB Q4
- Gemma 4 12B ITGoogle · 12B · 6.6 GB Q4
- Phi-4 14BMicrosoft · 14B · 7.7 GB Q4
- Qwen 3 14BAlibaba · 14B · 7.7 GB Q4
- DeepSeek R1 Distill 14BDeepSeek · 14B · 7.7 GB Q4
- Ministral 3 14BMistral AI · 14B · 7.7 GB Q4
- LTX 2.3Lightricks · 19B · 10.2 GB Q4
- Qwen Image 2512Alibaba · 20B · 10.7 GB Q4
- GPT-OSS 20BOpenAI · 3.6B active · 11.3 GB Q4
- LFM2 24BLiquid AI · 2.3B active · 12.8 GB Q4
- Devstral Small 2 24BMistral AI · 24B · 12.8 GB Q4
- Mistral Small 3.1 24BMistral AI · 24B · 12.8 GB Q4
- DiffusionGemma 26B-A4B ITGoogle · 4B active · 13.8 GB Q4
- Gemma 4 26B-A4B ITGoogle · 4B active · 14.3 GB Q4
- Qwen 3.8 27BAlibaba · 27B · 14.3 GB Q4
- Wan 2.2 T2V A14BAlibaba · 14B active · 14.3 GB Q4
- Qwen 3.5 27BAlibaba · 27.8B · 14.7 GB Q4
- Qwen 3.6 27BAlibaba · 27.8B · 14.7 GB Q4
- Qwen 3 30B-A3BAlibaba · 3.3B active · 15.9 GB Q4
- Nemotron 3 Nano 30BNVIDIA · 3B active · 15.9 GB Q4
- Granite 4.1 30BIBM · 30B · 15.9 GB Q4
- North Mini CodeCohere · 3B active · 15.9 GB Q4
- Qwen 3 Coder 30B-A3BAlibaba · 3B active · 15.9 GB Q4
- Muse Glimmer 30BMeta · 30B · 15.9 GB Q4
- Qwen3-VL 30B-A3BAlibaba · 3B active · 16.4 GB Q4
- Qwen 3 32BAlibaba · 32B · 16.9 GB Q4
- DeepSeek R1 Distill 32BDeepSeek · 32B · 16.9 GB Q4
- OLMo 2 32BAllen AI · 32B · 16.9 GB Q4
- FLUX.2 DevBlack Forest Labs · 32B · 16.9 GB Q4
- Gemma 4 31B ITGoogle · 33B · 17.4 GB Q4
- Gemma 4 31BGoogle · 33B · 17.4 GB Q4
- MiniMax H3MiniMax · 33B · 17.4 GB Q4
- Agents-A1 35B-A3BInternScience · 3B active · 18.4 GB Q4
- Command R 35BCohere · 35B · 18.4 GB Q4
- Qwen 3.5 35B-A3BAlibaba · 3B active · 18.4 GB Q4
- Ornith 1.0 35B-A3BDeepReinforce · 3B active · 18.4 GB Q4
- Qwen 3.6 35B-A3BAlibaba · 3B active · 18.9 GB Q4
Estos tamaños asumen Q4_K_M más un pequeño overhead de runtime.Califica el catálogo completo en tu máquinaoelige una GPU concreta.
Preguntas frecuentes
- ¿Qué modelos puede ejecutar en local una RTX 4090?
- Casi todos los modelos abiertos populares de chat y código con alta calidad, además de generación de imagen de la clase FLUX y los checkpoints de vídeo más ligeros.