Classificação atualizada em 09/10/2026
A RTX 4070 Ti (12 GB GDDR6X, 504 GB/s) fica limitada a 14B em Q4. Excelente para modelos de 7 a 14B, mas limita o acesso aos 24B+ (que exigem 14+ GB).
RTX 4070 Ti : opção de compra disponível para IA local — RTX 5070 Ti 16 GB :
Qual PC escolher conforme seu orçamento? Nossas escolhas de 800 a 3 500 € →
Links afiliados — QualLLM pode receber uma comissão sobre as compras, sem custo adicional para você, o que não influencia a classificação (estabelecida de forma independente). Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
Denso 8B Apache 2.0, 12 idiomas incluindo FR, 131k ctx, GQA 32Q/8KV. MMLU 73.84, HumanEval 85.37. Lançado em 29 de abril de 2026.
# HuggingFace : ibm-granite/granite-4.1-8b
Gemma 4 12B (Google): modelo denso multimodal (texto, visão, áudio), contexto de 256k, ~7 GB de VRAM em Q4. Apache 2.0, multilíngue.
# HuggingFace : google/gemma-4-12B
Denso 14B com raciocínio híbrido. Empata com Qwen 2.5 32B Base em STEM/código.
ollama run qwen3:14b
Granite 4.2 8B (IBM): modelo denso sob a licença Apache 2.0, 128k de contexto, ~4,6 GB de VRAM em Q4. Chat, código e raciocínio multilíngues para empresas.
ollama pull granite4.2
Ajuste fino SFT «thinking» do OLMo 3 7B: raciocínio passo a passo, contexto de 16k, cerca de 4,2 GB de VRAM em Q4. 100% aberto, licença Apache 2.0.
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3 (Zhipu): denso 7B especializado em código e raciocínio, 128k de contexto, ~4,1 GB de VRAM em Q4. Leve, roda em GPU de 6-8 GB, licença MIT.
ollama pull glm-5.3
Modelo de raciocínio de 14B com licença MIT. Supera o R1-Distill-Llama-70B nas avaliações AIME24/25 da Microsoft com um quinto dos parâmetros.
ollama run phi4-reasoning:14b
| Posição | Modelo | Params | VRAM Q4 | Contexto | Licença | Na RTX 4070 Ti |
|---|---|---|---|---|---|---|
| #1 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 35 tok/s · Q8 |
| #2 | Gemma 4 12B | 12B | 7 GB | 262 144 | Apache 2.0 | 28 tok/s · Q5_K_M |
| #3 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 20 tok/s · Q5_K_M |
| #4 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 50 tok/s · Q8 |
| #5 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 50 tok/s · Q8 |
| #6 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 50 tok/s · Q8 |
| #7 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 20 tok/s · Q5_K_M |
Seu ChatGPT privado e gratuito na sua máquina em 1 hora — LM Studio, Ollama, Open WebUI, seus documentos, sem nuvem.
Memo gratuito
Receba o resumo VRAM → melhor modelo de código → comando Ollama (uma única tela, copiar e colar). E passe para o kit Copiloto Local para transformar isso em uma configuração que realmente funciona.
O kit Copiloto Local — as configs Ollama + Cline + Aider prontas para colar, Modelfiles ajustados, solução de problemas, espaço online vitalício →Sem spam. Cancelamento em 1 clique. Seus dados ficam conosco (nunca revendidos).
Sua placa → o melhor modelo para programação para rodar localmente e o comando Ollama exato:
| Sua VRAM | GPU / Mac típicos | Modelo de código recomendado | Comando Ollama |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6,6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) ou Gemma 4 12B (7,6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — especialista em agentes de código | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — o “quase Copilot” | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — MoE rápido | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — ainda é a referência neste caso específico. ⚠️ Qwen 3.8: seu nível de raciocínio é definido como muito alto por padrão e ele “pensa demais” em solicitações simples — reduza-o para low (ou desative-o) na primeira execução. ⚠️ Armadilha de licença: Codestral 22B = Mistral Non-Production License → proibido para programar no trabalho. Qwen 3.5/3.8, Gemma 4 e Devstral são disponibilizados sob a licença Apache 2.0. 💡 Está travando por falta de memória? Mantenha ~1,5 GB de VRAM livre para o contexto, ou passe para um nível menor de quantização.🔌 Para conectá-lo no VS Code: Cline (agente que trabalha com vários arquivos), Aider (CLI) ou Tabby/Twinny (autocompletação FIM) — todos se conectam ao Ollama localmente. O kit Copiloto Local — configs prontas para colar + setup testado — está disponível: /copilote-local.
Filtro: Q4_K_M ≤ 11 GB. Bônus para 7-14B (pico de 12 GB). 504 GB/s = desempenho sólido na faixa intermediária.
Critérios considerados:
A pontuação é totalmente transparente: consulte nossa metodologia para os detalhes de cálculo de VRAM/tokens/seg.
4070 Ti: 12 GB são suficientes?
Sim para 7-14B em Q4. Mistral Nemo 12B Q5 (~9 GB) ou Qwen 3 14B Q4 (~8 GB) rodam a 35-45 tok/s. Para 24B, são necessários 16 GB: ver 4070 Ti Super.
4070 Ti versus 4070 Super?
Os mesmos 12 GB de GDDR6X a 504 GB/s. A 4070 Ti tem cerca de 10% mais núcleos CUDA. Diferença marginal para LLMs. Ver RTX 4070 Super.
Qual quantização para a 4070 Ti?
Q5_K_M para 7-8B (qualidade máxima, ~5 GB). Q4_K_M para 13-14B (Qwen 3 14B, ~8 GB). Q6_K, se possível, para qualidade próxima à FP16.
É vantajoso em 2026?
Usada, por cerca de 450 €, sim — uma opção intermediária sólida para LLMs. Para comprar nova, prefira a 5070 (~650 €), que leva vantagem com a GDDR7. Veja RTX 5070.