01O que ele sabe fazer
- MoE 30B / 3B ativos: alta taxa de geração local
- Contexto nativo de 256k
- Bom para raciocínio e código
- Licença NVIDIA Open Model (uso comercial permitido)
- —~17 GB VRAM em Q4: GPU de 16 a 24 GB recomendada
- —Sem tag Ollama: instalação via Hugging Face apenas
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 Nemotron 3.5 Lightning 30B-A3B (BF16)?
Para executar Nemotron 3.5 Lightning 30B-A3B (BF16) localmente com quantização Q4, você precisa de aproximadamente 25 GB de VRAM. Uma opção para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — mantenha uma margem para o sistema e o contexto; verifique a compatibilidade do motor com a GPU.
Por que essa escolha? Nossa ficha completa sobre GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Links afiliados — comissão possível sem custo adicional para você, recomendação independente. Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
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.