Classificação atualizada em 09/10/2026
A RTX 5070 Ti (16 GB GDDR7, 896 GB/s) é o ponto ideal entre preço e desempenho no segmento intermediário da linha Blackwell. 16 GB permitem rodar modelos de 24B em Q4 e de 14B em Q5/Q6. Concorrente direta da 4070 Ti Super.
Compare os preços de RTX 5070 Ti 16 GB em nossos lojistas parceiros (fichas de produto verificadas):
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 sob licença MIT. Supera o R1-Distill-Llama-70B no AIME/GPQA com 50× menos 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
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
| Posição | Modelo | Params | VRAM Q4 | Contexto | Licença | Em uma RTX 5070 Ti |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 20 tok/s · Q8 |
| #2 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 20 tok/s · Q8 |
| #3 | Phi-4 14B | 14B | 9 GB | 16 384 | MIT | 20 tok/s · Q8 |
| #4 | Qwen 2.5 Coder 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 20 tok/s · Q8 |
| #5 | DeepSeek R1 Distill Qwen 14B | 14B | 9 GB | 131 072 | MIT | 20 tok/s · Q8 |
| #6 | Qwen 2.5 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 20 tok/s · Q8 |
| #7 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 35 tok/s · FP16 |
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: modelos Q4_K_M ≤ 14 GB. Bônus 7-14B e 13-24B acessíveis. Largura de banda GDDR7 896 GB/s.
Critérios considerados:
A pontuação é totalmente transparente: consulte nossa metodologia para os detalhes de cálculo de VRAM/tokens/seg.
RTX 5070 Ti vs 4070 Ti Super?
Os mesmos 16 GB. 5070 Ti GDDR7 896 GB/s vs 4070 Ti Super GDDR6X 672 GB/s. ~30% de ganho. Mistral Small 24B Q4: 5070 Ti ~35 tok/s vs 4070 Ti Super ~26 tok/s. Ver RTX 4070 Ti Super.
Ponto ideal para LLM em 2026 na 5070 Ti?
Qwen 3 14B Q6 (~12 GB) ou Mistral Small 24B Q4 (~13 GB) — qualidade próxima à do GPT-4, 35-50 tok/s. RAG com contexto longo (32k) com folga.
É possível treinar LoRA na 5070 Ti?
Sim para 7B QLoRA (Unsloth + 4-bit): ~12-13 GB com otimizador de 8 bits. Para 14B, a margem é pequena demais. Veja guia completo.
5070 Ti ou 5080?
5080 = 16 GB também, mas 960 GB/s + 10752 núcleos CUDA contra 8960 na 5070 Ti. Ganho de ~10-15 %. Custo adicional de ~300-400 € — não compensa, a menos que o fluxo de trabalho seja pesado. Ver RTX 5080.
Aprofunde-se com nossos duelos detalhados dos finalistas: