01O que ele sabe fazer
- Leve: ~2,3 GB de VRAM em Q4, cabe em uma GPU pequena de 4-6 GB
- Orientado para raciocínio e cumprimento de instruções
- Contexto nativo de 32k
- Licença Apache 2.0 permissiva
- —Fine-tune comunitário não oficial, sem tag Ollama
- —4B: capacidades gerais limitadas em comparação com modelos maiores
- —Contexto de apenas 32k
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 Qwen3 4B NemotronIF Reasoning SFT?
Para executar Qwen3 4B NemotronIF Reasoning SFT localmente com quantização Q4, você precisa de aproximadamente 2.3 GB de VRAM. Uma opção para comparar: RTX 5060 Ti 16GB (ASUS Prime) — 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: Qwen3 4B NemotronIF Reasoning SFT 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.