01O que ele sabe fazer
- Orientado para raciocínio passo a passo
- Contexto massivo até 262K tokens
- Leve: ~6 GB VRAM em Q4, cabe em GPU de 8 GB
- Licença Apache 2.0 permissiva
- —Fine-tuning comunitário: pouca experiência acumulada e poucos benchmarks públicos
- —Sem tag Ollama — instalação via HuggingFace
04Instalar
Instale Ollama para seu SO. Verifique o modelo e sua quantização antes do download. Comece com 4096 tokens de contexto, depois verifique a alocação com ollama ps. Um comando abaixo não é prova de teste executado na sua máquina.
02Memória necessária
Quantidade aproximada de VRAM da GPU necessária para executar este modelo, incluindo a memória adicional para um contexto de 4k tokens. Para um contexto mais longo, adicione ~1 GB a cada 8k tokens.
Qual hardware usar para IOL-AI Qwen3.5 9B Reasoning v2?
Para executar IOL-AI Qwen3.5 9B Reasoning v2 localmente com quantização Q4, você precisa de aproximadamente 6 GB de VRAM. Uma opção para comparar: RTX 5060 Ti 16 GB — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
Em deslocamento: IOL-AI Qwen3.5 9B Reasoning v2 também roda em um Notebook RTX (16 GB de VRAM) →
Seu ChatGPT privado e gratuito na sua máquina em 1 hora — LM Studio, Ollama, Open WebUI, seus documentos, sem nuvem.
- Espaço online vitalício
- PDF + arquivos
- Atualizações vitalícias
03Velocidade estimada
Tokens gerados por segundo em Q4_K_M, contexto 4k. Acima de 20 t/s, a leitura é confortável. Abaixo de 10 t/s, é apenas para testar.