Qual LLM para RTX 3060 8 GB ?

#RTX 3060 8 GB: o que muda em comparação com a versão de 12 GB

A RTX 3060 de 8 GB roda modelos de 7 a 9 bilhões de parâmetros em Q4: Granite 4.2 8B exige 4,6 GB e Qwen 3.5 9B, 6 GB, segundo o catálogo QuelLLM. Gemma 4 12B (7 GB em Q4) não cabe nela com folga. A diferença em relação à 3060 de 12 GB é dupla: 4 GB a menos e um barramento de 128 bits em vez de 192. Segundo a imprensa especializada que registrou as especificações no lançamento, o barramento mais estreito reduz a largura de banda para 240 GB/s, ou seja, 33% menos que os 360 GB/s da versão de 12 GB. Para a IA local, isso importa: a geração de texto depende principalmente da largura de banda da memória. Não há medição pública para a versão de 8 GB, mas pode-se estimar que ela gere cerca de 50 tokens por segundo em um modelo de 7 bilhões de parâmetros em Q4_0, contra 75,6 medidos na versão de 12 GB.

Chip

A mesma GA106 da 3060 de 12 GB e a mesma potência da placa de 170 W.

Memória

8 GB de GDDR6 em um barramento de 128 bits, ou seja, 240 GB/s, contra 12 GB, 192 bits e 360 GB/s.

Consequência

O mesmo número de núcleos de processamento, mas com capacidade e largura de banda reduzidas: é a memória, não o processamento, que limita a IA local.

#Modelos compatíveis com 8 GB

A capacidade é idêntica à de uma 3070 ou de uma 3060 Ti, duas placas de 8 GB mais rápidas. As mesmas regras se aplicam: usar no máximo 6 GB para os pesos, reservar um gigabyte para o driver e o contexto e verificar se o modelo está inteiramente na placa. Para isso, o comando ollama ps exibe 100% GPU quando tudo está carregado na placa. Se aparecer um percentual de CPU, o modelo não está inteiramente na memória da placa, e a velocidade despenca.

• Qual LLM para 8 GB de VRAM? (todas as placas)
• Escolher sua quantização (Q4, Q5, Q8, FP16)

#Velocidade: por que o barramento de memória domina

A tabela colaborativa do llama.cpp (Llama 2 7B em Q4_0, arquivo de 3,56 GiB) não inclui a 3060 de 8 GB, mas permite entender o que o barramento de memória muda. Ela apresenta 75,6 tokens por segundo para a 3060 de 12 GB (barramento de 192 bits), 92,2 para a 3060 Ti de 8 GB (256 bits) e 63,9 para uma RTX 4060 Ti de 8 GB cujo barramento é de apenas 128 bits. Com a mesma capacidade, a ordem acompanha a largura do barramento, com algumas nuances: uma placa mais recente com barramento estreito pode ficar atrás de uma mais antiga com barramento largo.

A estimativa da última linha aplica-se a 240 GB/s o rendimento medido da 12 GB, que atinge cerca de 80 % do que sua largura de banda permite. Trata-se de uma projeção, para ser apresentada assim. Por regra de três com o tamanho dos arquivos, isso dá cerca de 40 tokens por segundo para Granite 4.2 8B (4,6 GB) e uma dezena para Qwen 3.5 9B (6 GB), limites teóricos altos. Este débito permanece legível em discussão, mas coloca a 8 GB aproximadamente um terço abaixo da 12 GB e mais de 40 % abaixo da 3060 Ti.

#Armadilhas a evitar

Duas placas sob um mesmo nome

A NVIDIA lista a RTX 3060 com 12 GB ou 8 GB e um barramento de 192 ou 128 bits. O nome sozinho não diz nada: exija que a capacidade esteja informada no anúncio.

Verificação na instalação

Execute nvidia-smi: a versão de 12 GB exibe aproximadamente 12.287 MiB de acordo com os registros do llama.cpp, a de 8 GB cerca de 7.800 MiB, como sua vizinha a 3060 Ti.

Preço alinhado ao da versão de 12 GB

Alguns vendedores mostram o mesmo preço para as duas versões. Compare com o acompanhamento semanal do site, e não com um preço fixo.

Expectativa irrealista em relação aos modelos de 12B

Gemma 4 12B e modelos desse tamanho não cabem com contexto; o limite é de 9B em Q4.

nvidia-smi --query-gpu=name,memory.total --format=csv

A segunda verificação também se aplica a um PC reaproveitado: a descrição do fabricante ou o nome da placa no Windows nem sempre permitem distinguir as versões, enquanto a memória total informada pelo nvidia-smi não engana.

#O cálculo por trás da estimativa

O princípio é simples: para produzir um token, a placa relê os principais pesos do modelo. A quantidade máxima de tokens por segundo é, portanto, do ordenamento da largura de banda dividida pelo tamanho do arquivo. O arquivo de teste pesa 3,56 GiB, ou seja, cerca de 3,82 GB. Para a 3060 12 GB, 360 GB/s divididos por 3,82 dão um limite de 94 tokens por segundo, e a medição publicada atinge 80%. Para a 8 GB, 240 GB/s dão um limite de cerca de 63 tokens por segundo; aplicando o mesmo rendimento, obtém-se uma cinquantena.

Este método tem uma limitação: a eficiência varia de uma placa para outra, como mostram outras placas da mesma tabela cuja razão entre o valor medido e o limite máximo varia de 67% a 85%. Portanto, considere uma faixa, e não um número preciso. Observe também que os resultados publicados dependem do driver, do sistema e do fabricante da placa, mesmo com um chip idêntico, e faça medições no seu próprio equipamento se a velocidade for determinante para uma compra.

#Como isso se traduz na prática

Converta a taxa de geração em tempo de espera. A cerca de 40 tokens por segundo, uma resposta de 500 tokens, ou seja, uma página de explicação, leva cerca de doze segundos; em uma 3060 de 12 GB, a mesma resposta levaria cerca de oito segundos, ainda como estimativa teórica. Para uma conversa, a diferença é tolerável: o texto aparece mais rápido do que você consegue lê-lo. Ela se torna incômoda em dois casos: agentes que encadeiam muitas chamadas ao modelo e o processamento em lote de muitos documentos, em que a diferença se acumula.

A capacidade de 8 GB impõe uma limitação mais clara do que a velocidade. Ela exige que você escolha entre um contexto longo e um modelo maior, enquanto uma placa de 12 GB permite ter os dois. Se o seu uso consiste apenas em fazer perguntas curtas a um modelo de 8B, a opção de 8 GB é suficiente. Se você quer conectar o modelo aos seus documentos, é melhor buscar mais memória.

1. 01
   Verificar o anúncio

   Procure a indicação de 8 GB ou 12 GB no título, na descrição ou nas fotos da caixa. Se essa informação não estiver especificada, peça ao vendedor que a esclareça.
2. 02
   Solicitar uma captura

   Exija uma captura de nvidia-smi ou do utilitário GPU-Z mostrando a memória total e a largura do barramento.
3. 03
   Testar na retirada

   No local, execute nvidia-smi: cerca de 12 287 MiB para a placa de 12 GB e em torno de 7 800 MiB para a de 8 GB.
4. 04
   Executar um modelo

   Carregue um modelo de 8B em Q4 com o Ollama e verifique com o comando ollama ps se ele está 100% na GPU antes de fechar a compra.

#Contexto: aproveitar os 8 GB

Com 8 GB, o cache de contexto é a verdadeira limitação. A documentação do Ollama indica que o cache K/V pode ser quantizado quando o Flash Attention está ativado: defina OLLAMA_FLASH_ATTENTION=1 e depois OLLAMA_KV_CACHE_TYPE=q8_0 antes de iniciar o servidor. Com um barramento de 128 bits, a placa já tem dificuldades em termos de velocidade; por isso, é melhor não sobrecarregá-la com um contexto excessivo. Um contexto de alguns milhares de tokens com um modelo de 8B em Q4 é um bom equilíbrio.

OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serve

• Quantizar o KV cache: economizar VRAM (contexto longo)
• Compreender a janela de contexto

#O que escolher no lugar

A escolha depende da sua necessidade: para capacidade, a 3060 12 GB; para velocidade em modelos de 8 bilhões, a 3060 Ti. Os preços de usados mudam toda semana: o monitoramento do site registra o menor preço das placas para IA local.

• Preços de placas de vídeo para IA local (acompanhamento semanal)
• Qual LLM para RTX 3060 12 GB?
• Qual LLM para RTX 3060 Ti (8 GB)?

#Veredito 2026

Mantenha-a se

Ela já está no seu PC e você pretende usar um modelo de 8 ou 9B em Q4 para conversar ou obter ajuda com programação, sem exigência de velocidade.

Não compre para IA

Uma 3060 de 12 GB traz mais benefícios, especialmente com orçamentos frequentemente próximos. Pague apenas a versão de 8 GB quando estiver bem abaixo do limite.

Verifique sempre a versão

Exija que a capacidade de memória conste no anúncio e confira com nvidia-smi ao receber a placa.

#Perguntas frequentes

• Fonte: tabela de desempenho do llama.cpp em CUDA
• Fonte: ficha da NVIDIA sobre a RTX 3060
• Fonte: Tom's Hardware, RTX 3060 8 GB
• Fonte: FAQ do Ollama (ollama ps, cache K/V)