Qwen3 4B
Qwen3 4B braucht mit der Variante Q4_K_M rund 4,0 GB Speicher und läuft auf 698 von 740 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: HP ZBook 8 G2i 14 Zoll (2026), RTX PRO 500 Blackwell Laptop GPU, 48 GB. Die letzte Zahl im Namen ist der Arbeitsspeicher; der Grafikspeicher beträgt 6 GB.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Qwen3 4B braucht mit der Variante Q4_K_M rund 5,8 GB Speicher und läuft auf 671 von 740 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Lenovo ThinkPad P1 16 Zoll (2025), RTX PRO 2000 Blackwell Laptop GPU, 32 GB. Die letzte Zahl im Namen ist der Arbeitsspeicher; der Grafikspeicher beträgt 8 GB.
Berechnet für 16.384 Token Kontext (Anwendungsfall „Programmieren“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Qwen3 4B braucht mit der Variante Q4_K_M rund 4,6 GB Speicher und läuft auf 698 von 740 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: HP ZBook 8 G2i 14 Zoll (2026), RTX PRO 500 Blackwell Laptop GPU, 48 GB. Die letzte Zahl im Namen ist der Arbeitsspeicher; der Grafikspeicher beträgt 6 GB.
Berechnet für 8.192 Token Kontext (Anwendungsfall „Texte schreiben, übersetzen“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Qwen3 4B braucht mit der Variante Q4_K_M rund 8,2 GB Speicher und läuft auf 541 von 740 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: ASUS ROG Strix G16 (2025), GeForce RTX 5070 Ti Laptop GPU, 16 GB. Die letzte Zahl im Namen ist der Arbeitsspeicher; der Grafikspeicher beträgt 12 GB.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Dokumente auswerten“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Qwen3 4B braucht mit der Variante Q4_K_M rund 8,2 GB Speicher und läuft auf 541 von 740 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: ASUS ROG Strix G16 (2025), GeForce RTX 5070 Ti Laptop GPU, 16 GB. Die letzte Zahl im Namen ist der Arbeitsspeicher; der Grafikspeicher beträgt 12 GB.
Berechnet für 32.768 Token Kontext (Anwendungsfall „Kundendaten, interne Unterlagen“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
Qwen3 4B braucht mit der Variante Q4_K_M rund 13,0 GB Speicher und läuft auf keinem der 740 geführten Geräte flüssig.
Für diesen Zweck zu kurz: Das Modell verarbeitet höchstens 40.960 Token Kontext, gerechnet wird hier mit 65.536.
Berechnet für 65.536 Token Kontext (Anwendungsfall „Abläufe automatisieren, Agenten“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.
- Anbieter
- Alibaba (Qwen)
- Parameter
- 4 Mrd.
- Längster Kontext
- 40.960 Token
- Nimmt entgegen
- Text
- Lizenz
- Apache 2.0
So starten Sie es mit Ollama:
$ ollama Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 4.096 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=4096.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server So starten Sie es mit Ollama:
$ ollama Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 16.384 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=16384.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server So starten Sie es mit Ollama:
$ ollama Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 8.192 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=8192.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server So starten Sie es mit Ollama:
$ ollama Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 32.768 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=32768.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server So starten Sie es mit Ollama:
$ ollama Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 32.768 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=32768.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server So starten Sie es mit Ollama:
$ ollama Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 40.960 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=40960.
Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):
$ llama-server Geräte, auf denen es flüssig läuft
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.
und 688 weitere
und 661 weitere
und 688 weitere
und 531 weitere
und 531 weitere
Keine.
Grafikkarten, in die es ganz passt
| Grafikkarte | Urteil | Tempo | Speicher |
|---|---|---|---|
| NVIDIA GeForce GTX 1660 SUPER, 6 GB | Läuft gut | 83 bis 101 Token/s * | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce RTX 2060, 6 GB | Läuft gut | 83 bis 101 Token/s * | 6 GB davon 5,2 GB nutzbar |
| AMD Radeon RX 5600 XT, 6 GB | Läuft gut | 57 bis 103 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA RTX A2000, 6 GB | Läuft gut | 71 bis 87 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce GTX 1660 Ti, 6 GB | Läuft gut | 71 bis 87 Token/s * | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce GTX 1660, 6 GB | Läuft gut | 48 bis 59 Token/s * | 6 GB davon 5,2 GB nutzbar |
| Intel Arc A380, 6 GB | Läuft gut | 37 bis 66 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce RTX 3050, 6 GB | Läuft gut | 42 bis 52 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce RTX 3070 Ti, 8 GB | Läuft gut | 144 bis 177 Token/s | 8 GB davon 7,2 GB nutzbar |
| Intel Arc A750, 8 GB | Läuft gut | 98 bis 181 Token/s | 8 GB davon 7,2 GB nutzbar |
und 94 weitere
| Grafikkarte | Urteil | Tempo | Speicher |
|---|---|---|---|
| NVIDIA GeForce RTX 3070 Ti, 8 GB | Läuft gut | 111 bis 136 Token/s | 8 GB davon 7,2 GB nutzbar |
| Intel Arc A750, 8 GB | Läuft gut | 75 bis 138 Token/s | 8 GB davon 7,2 GB nutzbar |
| Intel Arc A580, 8 GB | Läuft gut | 75 bis 138 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 2080 SUPER, 8 GB | Läuft gut | 92 bis 112 Token/s * | 8 GB davon 7,2 GB nutzbar |
| AMD Radeon RX 5700, 8 GB | Läuft gut | 66 bis 121 Token/s * | 8 GB davon 7,2 GB nutzbar |
| AMD Radeon RX 5700 XT, 8 GB | Läuft gut | 66 bis 121 Token/s * | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 5060 Ti, 8 GB | Läuft gut | 83 bis 102 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 5060, 8 GB | Läuft gut | 83 bis 102 Token/s | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 2070 SUPER, 8 GB | Läuft gut | 83 bis 102 Token/s * | 8 GB davon 7,2 GB nutzbar |
| NVIDIA GeForce RTX 3070, 8 GB | Läuft gut | 83 bis 102 Token/s | 8 GB davon 7,2 GB nutzbar |
und 86 weitere
| Grafikkarte | Urteil | Tempo | Speicher |
|---|---|---|---|
| NVIDIA GeForce GTX 1660 SUPER, 6 GB | Läuft gut | 75 bis 92 Token/s * | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce RTX 2060, 6 GB | Läuft gut | 75 bis 92 Token/s * | 6 GB davon 5,2 GB nutzbar |
| AMD Radeon RX 5600 XT, 6 GB | Läuft gut | 52 bis 93 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA RTX A2000, 6 GB | Läuft gut | 65 bis 79 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce GTX 1660 Ti, 6 GB | Läuft gut | 65 bis 79 Token/s * | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce GTX 1660, 6 GB | Läuft gut | 44 bis 53 Token/s * | 6 GB davon 5,2 GB nutzbar |
| Intel Arc A380, 6 GB | Läuft gut | 34 bis 60 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce RTX 3050, 6 GB | Läuft gut | 38 bis 47 Token/s | 6 GB davon 5,2 GB nutzbar |
| NVIDIA GeForce RTX 3070 Ti, 8 GB | Läuft gut | 131 bis 161 Token/s | 8 GB davon 7,2 GB nutzbar |
| Intel Arc A750, 8 GB | Läuft gut | 89 bis 165 Token/s | 8 GB davon 7,2 GB nutzbar |
und 94 weitere
| Grafikkarte | Urteil | Tempo | Speicher |
|---|---|---|---|
| NVIDIA GeForce RTX 3080, 10 GB | Läuft gut | 105 bis 129 Token/s | 10 GB davon 9,2 GB nutzbar |
| Intel Arc B570, 10 GB | Läuft gut | 43 bis 77 Token/s | 10 GB davon 9,2 GB nutzbar |
| AMD Radeon RX 6700, 10 GB | Läuft gut | 37 bis 65 Token/s | 10 GB davon 9,2 GB nutzbar |
| NVIDIA GeForce RTX 2080 Ti, 11 GB | Läuft gut | 86 bis 105 Token/s * | 11 GB davon 10,2 GB nutzbar |
| NVIDIA GeForce RTX 3080 Ti, 12 GB | Läuft gut | 125 bis 153 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 3080, 12 GB | Läuft gut | 125 bis 153 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 5070, 12 GB | Läuft gut | 94 bis 114 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 4070 Ti, 12 GB | Läuft gut | 71 bis 87 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 4070, 12 GB | Läuft gut | 71 bis 87 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 4070 SUPER, 12 GB | Läuft gut | 71 bis 87 Token/s | 12 GB davon 11,2 GB nutzbar |
und 55 weitere
| Grafikkarte | Urteil | Tempo | Speicher |
|---|---|---|---|
| NVIDIA GeForce RTX 3080, 10 GB | Läuft gut | 105 bis 129 Token/s | 10 GB davon 9,2 GB nutzbar |
| Intel Arc B570, 10 GB | Läuft gut | 43 bis 77 Token/s | 10 GB davon 9,2 GB nutzbar |
| AMD Radeon RX 6700, 10 GB | Läuft gut | 37 bis 65 Token/s | 10 GB davon 9,2 GB nutzbar |
| NVIDIA GeForce RTX 2080 Ti, 11 GB | Läuft gut | 86 bis 105 Token/s * | 11 GB davon 10,2 GB nutzbar |
| NVIDIA GeForce RTX 3080 Ti, 12 GB | Läuft gut | 125 bis 153 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 3080, 12 GB | Läuft gut | 125 bis 153 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 5070, 12 GB | Läuft gut | 94 bis 114 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 4070 Ti, 12 GB | Läuft gut | 71 bis 87 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 4070, 12 GB | Läuft gut | 71 bis 87 Token/s | 12 GB davon 11,2 GB nutzbar |
| NVIDIA GeForce RTX 4070 SUPER, 12 GB | Läuft gut | 71 bis 87 Token/s | 12 GB davon 11,2 GB nutzbar |
und 55 weitere
Keine.
Was die Angaben bedeuten
- Token: Ein Modell liest und schreibt in Wortstücken, den Token. Ein deutsches Wort sind rund 1,5 bis 1,8 Token.
- Token/s: So viele Token schreibt das Modell je Sekunde. Angegeben ist eine Spanne, gerechnet, nicht auf diesem Gerät gemessen.
- Kontext: Wie viel Text das Modell auf einmal im Blick behält, also Ihre Frage, angehängte Dokumente und den bisherigen Verlauf, gezählt in Token. Mehr Kontext braucht mehr Speicher.
- Mrd.: Milliarden Parameter, die Größe des Modells. Größere Modelle antworten in der Regel besser und brauchen mehr Speicher.
- „davon … aktiv“: Das Modell (Mixture-of-Experts) rechnet je Token nur mit einem Teil seiner Parameter. Das macht es schneller; Speicher braucht es trotzdem für alle.
- Q4_K_M, Q8_0 und ähnlich: die Stufe der Quantisierung. Die Zahlen des Modells werden mit weniger Bits gespeichert; je kleiner die Zahl hinter dem Q, desto kleiner die Datei und desto größer die Abweichung vom Original.
- VL im Namen steht für Vision-Language: solche Modelle lesen auch Bilder. Was ein Modell entgegennimmt, steht auf seiner Seite unter „Nimmt entgegen“.
- „Läuft gut“: Das Modell passt ganz in den Speicher und schafft in der Mitte der Spanne mindestens 10 Token/s; beginnt die Spanne darunter, schreiben wir „knapp flüssig“. „Eingeschränkt“: Es passt, ist aber langsamer, oder ein Teil liegt im Arbeitsspeicher. Ob die Antworten stimmen, sagt beides nicht.
- „21,9 von 48,0 GB“: Links steht, was das Modell an Speicher braucht, rechts, was das Gerät für Modelle frei hat. Das ist weniger als eingebaut, weil ein Teil für Betriebssystem, Anzeige und Programme bleibt; wie viel, steht bei den Gerätedaten unter „Davon für Modelle nutzbar“.
- „*“ am Tempo: Die Rechnung geht hier über ihre Messungen hinaus, der Wert ist unsicherer.
- „Der Speicher für den Kontext ist geschätzt“: Für die Bauart dieses Modells lesen wir den Speicher für den Kontext nicht aus der Modelldatei ab, sondern schätzen ihn aus der Modellgröße.
- Wie wir rechnen
Varianten
Der Bedarf gilt für 4.096 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 4096“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 2,1 GB | 3,5 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q3_K_M |
| Q4_0 | 2,4 GB | 3,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_0 |
| Q4_K_M | 2,5 GB | 4,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_K_M |
| Q5_K_M | 2,9 GB | 4,4 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q5_K_M |
| Q6_K | 3,3 GB | 4,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q6_K |
| Q8_0 | 4,3 GB | 5,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q8_0 |
| BF16 | 8,1 GB | 9,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:BF16 |
Varianten
Der Bedarf gilt für 16.384 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 16384“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 2,1 GB | 5,3 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q3_K_M |
| Q4_0 | 2,4 GB | 5,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_0 |
| Q4_K_M | 2,5 GB | 5,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_K_M |
| Q5_K_M | 2,9 GB | 6,2 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q5_K_M |
| Q6_K | 3,3 GB | 6,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q6_K |
| Q8_0 | 4,3 GB | 7,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q8_0 |
| BF16 | 8,1 GB | 11,4 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:BF16 |
Varianten
Der Bedarf gilt für 8.192 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 8192“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 2,1 GB | 4,1 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q3_K_M |
| Q4_0 | 2,4 GB | 4,4 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_0 |
| Q4_K_M | 2,5 GB | 4,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_K_M |
| Q5_K_M | 2,9 GB | 5,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q5_K_M |
| Q6_K | 3,3 GB | 5,4 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q6_K |
| Q8_0 | 4,3 GB | 6,4 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q8_0 |
| BF16 | 8,1 GB | 10,2 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:BF16 |
Varianten
Der Bedarf gilt für 32.768 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 32768“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 2,1 GB | 7,7 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q3_K_M |
| Q4_0 | 2,4 GB | 8,1 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_0 |
| Q4_K_M | 2,5 GB | 8,2 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_K_M |
| Q5_K_M | 2,9 GB | 8,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q5_K_M |
| Q6_K | 3,3 GB | 9,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q6_K |
| Q8_0 | 4,3 GB | 10,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q8_0 |
| BF16 | 8,1 GB | 13,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:BF16 |
Varianten
Der Bedarf gilt für 32.768 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 32768“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 2,1 GB | 7,7 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q3_K_M |
| Q4_0 | 2,4 GB | 8,1 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_0 |
| Q4_K_M | 2,5 GB | 8,2 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_K_M |
| Q5_K_M | 2,9 GB | 8,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q5_K_M |
| Q6_K | 3,3 GB | 9,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q6_K |
| Q8_0 | 4,3 GB | 10,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q8_0 |
| BF16 | 8,1 GB | 13,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:BF16 |
Varianten
Der Bedarf gilt für 40.960 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 40960“ eingeben.
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q3_K_M | 2,1 GB | 12,6 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q3_K_M |
| Q4_0 | 2,4 GB | 12,9 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_0 |
| Q4_K_M | 2,5 GB | 13,0 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q4_K_M |
| Q5_K_M | 2,9 GB | 13,4 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q5_K_M |
| Q6_K | 3,3 GB | 13,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q6_K |
| Q8_0 | 4,3 GB | 14,8 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:Q8_0 |
| BF16 | 8,1 GB | 18,7 GB | ollama run hf.co/unsloth/Qwen3-4B-GGUF:BF16 |
Quelle: https://huggingface.co/unsloth/Qwen3-4B-GGUF
Weitere Ratgeber
- 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.
- KI auf dem eigenen PC installieren: Reicht Ihr Rechner, oder müssen Sie etwas kaufen?Zum Ausprobieren brauchen Sie meist weder neue Hardware noch das Terminal. Was mit 8 und 16 GB Arbeitsspeicher läuft, welche Programme ohne Befehle auskommen und wann sich ein Kauf lohnt.
- 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.
- 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 232 von 740 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- 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.
- 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.
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- 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.
- 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.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- 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.
- 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 740 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 429 von 740 geführten Geräten flüssig, die große auf 77. 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 was der Schritt von 16 auf 24 GB bringt.
- 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.
- 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 502 von 740 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- 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.