NVIDIA RTX A4000, 16 GB
Ja. Mit dieser Karte läuft Qwen3 14B flüssig, mit rund 32 bis 40 Token pro Sekunde.
Die Grenze dieser Karte: gpt-oss 20B läuft noch, EuroLLM 22B nicht mehr. Dafür fehlen 0,4 GB Grafikspeicher.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“), nur mit dem Grafikspeicher der Karte: ohne Auslagerung in den Arbeitsspeicher und ohne Prozessor. Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf dieser Karte gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Ja. Mit dieser Karte läuft Qwen3 14B flüssig, mit rund 29 bis 36 Token pro Sekunde.
Die Grenze dieser Karte: gpt-oss 20B läuft noch, EuroLLM 22B nicht mehr. Dafür fehlen 3,2 GB Grafikspeicher.
Berechnet für 16.384 Token Kontext (Anwendungsfall „Programmieren“), nur mit dem Grafikspeicher der Karte: ohne Auslagerung in den Arbeitsspeicher und ohne Prozessor. Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf dieser Karte gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Ja. Mit dieser Karte läuft Qwen3 14B flüssig, mit rund 31 bis 38 Token pro Sekunde.
Die Grenze dieser Karte: gpt-oss 20B läuft noch, EuroLLM 22B nicht mehr. Dafür fehlen 1,3 GB Grafikspeicher.
Berechnet für 8.192 Token Kontext (Anwendungsfall „Texte schreiben, übersetzen“), nur mit dem Grafikspeicher der Karte: ohne Auslagerung in den Arbeitsspeicher und ohne Prozessor. Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf dieser Karte gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Ja. Mit dieser Karte läuft Gemma 4 12B flüssig, mit rund 40 bis 49 Token pro Sekunde.
Die Grenze dieser Karte: gpt-oss 20B läuft noch, Qwen3 14B nicht mehr. Dafür fehlen 0,2 GB Grafikspeicher.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Dokumente auswerten“), nur mit dem Grafikspeicher der Karte: ohne Auslagerung in den Arbeitsspeicher und ohne Prozessor. Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf dieser Karte gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Ja. Mit dieser Karte läuft Gemma 4 12B flüssig, mit rund 40 bis 49 Token pro Sekunde.
Die Grenze dieser Karte: gpt-oss 20B läuft noch, Qwen3 14B nicht mehr. Dafür fehlen 0,2 GB Grafikspeicher.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Kundendaten, interne Unterlagen“), nur mit dem Grafikspeicher der Karte: ohne Auslagerung in den Arbeitsspeicher und ohne Prozessor. Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf dieser Karte gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Stärkstes Modell, das flüssig läuft
Qwen3 14BQ4_K_M · 32 bis 40 Token/s
So starten Sie es mit Ollama:
$ ollama run hf.co/Qwen/Qwen3-14B-GGUF:Q4_K_MSchnellstes Modell
gpt-oss 20BQ4_K_M · 94 bis 150 Token/s
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gpt-oss-20b-GGUF:Q4_K_MStärkstes Modell, das flüssig läuft
Qwen3 14BQ4_K_M · 29 bis 36 Token/s
So starten Sie es mit Ollama:
$ ollama run hf.co/Qwen/Qwen3-14B-GGUF:Q4_K_M
>>> /set parameter num_ctx 16384Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 16.384 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 89 bis 143 Token/s
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 16384Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 16.384 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Stärkstes Modell, das flüssig läuft
Qwen3 14BQ4_K_M · 31 bis 38 Token/s
So starten Sie es mit Ollama:
$ ollama run hf.co/Qwen/Qwen3-14B-GGUF:Q4_K_M
>>> /set parameter num_ctx 8192Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 8.192 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 92 bis 148 Token/s
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 8192Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 8.192 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Stärkstes Modell, das flüssig läuft
Gemma 4 12BQ4_0 · 40 bis 49 Token/s
So starten Sie es mit Ollama:
$ ollama run hf.co/google/gemma-4-12B-it-qat-q4_0-gguf:Q4_0
>>> /set parameter num_ctx 32768Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 83 bis 133 Token/s
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 32768Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Stärkstes Modell, das flüssig läuft
Gemma 4 12BQ4_0 · 40 bis 49 Token/s
So starten Sie es mit Ollama:
$ ollama run hf.co/google/gemma-4-12B-it-qat-q4_0-gguf:Q4_0
>>> /set parameter num_ctx 32768Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Schnellstes Modell
gpt-oss 20BQ4_K_M · 83 bis 133 Token/s
Das schnellste unter den flüssig laufenden Modellen mit mindestens halb so vielen Parametern wie das größte unter ihnen.
So starten Sie es mit Ollama:
$ ollama run hf.co/unsloth/gpt-oss-20b-GGUF:Q4_K_M
>>> /set parameter num_ctx 32768Ollama wählt auf diesem Gerät von selbst 4.096 Token Kontext, die Zahlen hier gelten für 32.768 Token. Damit sie stimmen, geben Sie die zweite Zeile nach dem Start in Ollama ein.
Modelle auf dieser Karte
Die Tempowerte sind berechnet, nicht auf dem Gerät gemessen, und an veröffentlichten und eigenen Messungen abgeglichen. Ausgenommen sind die mit * markierten Werte: sie sind nicht abgeglichen und deshalb unsicher.
Kartendaten
- Hersteller
- NVIDIA
- Grafikspeicher
- 16 GB
- Speicherbandbreite
- 448 GB/s
- Rechenschnittstelle
- CUDA
- Erschienen
- 2021
Weitere Ratgeber
- Qwen lokal betreiben: welche Fassung auf welches GerätQwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 214 von 562 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 562 Geräte sie flüssig laufen.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 327 von 562 geführten Geräten flüssig, die große auf 69. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und warum 24 GB der wichtigste Schritt ist.
- Hermes Agent lokal: mit Ollama oder LM Studio nutzenHermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 420 von 562 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.