Classificação atualizada em 09/10/2026
A RTX 4080 Super (16 GB GDDR6X, 736 GB/s) é a versão aprimorada Ada Lovelace nível 1. Cerca de 5% mais rápida que a 4080. 16 GB liberam os 24B em Q4_K_M a 30-35 tok/s.
RTX 4080 Super : opção de compra disponível para IA local — RTX 5080 16 GB :
Um mini-PC é uma máquina completa: verifique a memória necessária e a compatibilidade do software. Ele não substitui macOS/MLX ou CUDA.
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 14B com raciocínio híbrido. Empata com Qwen 2.5 32B Base em STEM/código.
ollama run qwen3:14b
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
Raciocínio excepcional para o seu tamanho. Focado em STEM.
ollama run phi4:14b
Coder 14B. HumanEval 89.6, LiveCodeBench 37.1. Ponto ideal de VRAM para programação com um modelo auto-hospedado.
ollama run qwen2.5-coder:14b
R1 destilado no Qwen 14B. AIME24 69.7, MATH-500 93.9. Supera o o1-mini em muitos benchmarks.
ollama run deepseek-r1:14b
Denso 14B Apache 2.0. MMLU 79.7, HumanEval 83.5. 29+ idiomas. Bom equilíbrio.
ollama run qwen2.5:14b
Especialista em programação, 24B, Apache 2.0. 72,2% no SWE-Bench. 256k ctx, laboratório francês.
ollama run devstral-small2:24b
| Posição | Modelo | Params | VRAM Q4 | Contexto | Licença | Na RTX 4080 Super |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #2 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 55 tok/s · Q8 |
| #3 | Phi-4 14B | 14B | 9 GB | 16 384 | MIT | 55 tok/s · Q8 |
| #4 | Qwen 2.5 Coder 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #5 | DeepSeek R1 Distill Qwen 14B | 14B | 9 GB | 131 072 | MIT | 55 tok/s · Q8 |
| #6 | Qwen 2.5 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #7 | Devstral Small 2 24B | 24B | 14 GB | 256 000 | Apache 2.0 | 40 tok/s · Q4_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 ≤ 14 GB. Bônus para modelos de 7-14B e 13-24B. Variante com boost de ~5% em relação à 4080 padrão.
Critérios considerados:
A pontuação é totalmente transparente: consulte nossa metodologia para os detalhes de cálculo de VRAM/tokens/seg.
RTX 4080 Super versus 4080?
Os mesmos 16 GB. 4080 Super = +5 % de desempenho (~7 % mais núcleos CUDA, GDDR6X ligeiramente mais rápida). Diferença imperceptível na maioria dos LLM. Prefira a mais barata no mercado de usados. Veja RTX 4080.
4080 Super versus 5080?
5080 = ~25% mais rápida (GDDR7 vs GDDR6X), mas custa ~600 € a mais quando nova. 4080 Super usada por ~700 € = melhor custo-benefício. Veja RTX 5080.
Llama 70B na 4080 Super?
Não — Q4 (~40 GB) não cabe em 16 GB. Q2_K (~28 GB) também não cabe. Para rodar modelos de 70B localmente em hardware de consumo, considerar RTX 4090/5090 com 24+ GB ou Mac Studio com 64+ GB.
Qual é o ponto ideal para LLMs na 4080 Super?
Mistral Small 24B Q4 (~13 GB) a 30 tok/s ou Qwen 3 14B Q6 (~12 GB) a 50 tok/s. Para código, Qwen 2.5 Coder 14B Q5. Veja ranking para programação.
Aprofunde-se com nossos duelos detalhados dos finalistas: