Подбор модели
Какая нейросеть подойдёт твоему компьютеру
Локальные модели ИИ занимают от 500 МБ до сотен гигабайт памяти — в зависимости от размера. Слишком тяжёлая модель для твоего железа будет зависать или не запустится вовсе. Выбери свою видеокарту из списка или подвинь ползунок — калькулятор сразу подскажет, какая модель реально потянется.
Похоже, тебе подойдёт Gemma 4 E4B (~4B active (MoE))
На процессоре модель работает заметно медленнее, чем на видеокарте — для коротких рутинных запросов это не критично, для долгих диалогов может раздражать.
Все модели в каталоге
Данные — реальные размеры GGUF-квантов (Q4_K_M) с HuggingFace, а не оценки на глаз.
| Модель | Параметры | Вес файла | Нужно памяти | Тир |
|---|---|---|---|---|
| Qwen3.5 0.8B | 0.8B | 0.53 ГБ | ≥2.1 ГБ | очень слабое железо |
| Llama 3.2 1B Instruct | 1B | 0.81 ГБ | ≥2.5 ГБ | очень слабое железо |
| Qwen3.5 2B★ | 2B | 1.28 ГБ | ≥3 ГБ | слабое |
| Llama 3.2 3B Instruct | 3B | 2.02 ГБ | ≥3.9 ГБ | слабое |
| Phi-4 mini Instruct | 3.8B | 2.49 ГБ | ≥4.5 ГБ | среднее |
| Qwen3.5 4B★ | 4B | 2.74 ГБ | ≥4.8 ГБ | среднее |
| Gemma 4 E2B | ~2B active (MoE) | 3.11 ГБ | ≥5.2 ГБ | среднее |
| Mistral 7B Instruct v0.3 | 7B | 4.37 ГБ | ≥6.7 ГБ | среднее |
| Gemma 4 E4B | ~4B active (MoE) | 4.98 ГБ | ≥7.5 ГБ | среднее |
| Qwen3.5 9B★ | 9B | 5.68 ГБ | ≥8.3 ГБ | мощное |
| GigaChat3.1 10B A1.8B | 10B (1.8B active, MoE) | 6.47 ГБ | ≥9.3 ГБ | мощное |
| Gemma 4 12B | 12B | 7.12 ГБ | ≥9.9 ГБ | мощное |
| Mistral Nemo 12B Instruct | 12B | 7.48 ГБ | ≥10.5 ГБ | мощное |
| Phi-4 14B | 14B | 9.05 ГБ | ≥12.4 ГБ | мощное |
| Gemma 4 26B A4B | 26B (4B active, MoE) | 16.95 ГБ | ≥21.8 ГБ | топовое |
Эти модели в локальный подбор не входят
Даже младший вменяемый квант не помещается в потребительское железо — доступны через Doka Cloud.
- DeepSeek V4 Flash — Младший вменяемый квант (IQ2_XXS, уже заметная потеря качества) — 86,7 ГБ. Более лёгкие файлы в репозитории (3,8–6 ГБ) — это MTP/draft-модули, а не полная модель.
- Llama 4 Scout 17B-16E — MoE с 16 экспертами — даже младший квант (TQ1_0, экстремальная потеря качества) весит 29,3 ГБ. Название «17B» — активные параметры, реальный вес на диске в разы больше.
Частые вопросы
Насколько точен калькулятор?
Мы берём официальный объём видеопамяти по модели карты — это фиксированное число производителя, тут гадать не приходится. Точность зависит от того, насколько верно ты выбрал модель (и, если есть версии с разным VRAM — например, RTX 4060 Ti на 8 или 16 ГБ — верную из них). У каждой модели в каталоге уже заложен запас на служебные нужды ОС и контекст диалога, рекомендация не впритык.
Можно ли запускать нейросеть без видеокарты?
Да — на встроенной графике или вообще без GPU модель считается на процессоре. Это работает медленнее, но для лёгких моделей (1–4B параметров) вполне пригодно для повседневных задач. Выбери «Нет видеокарты» и укажи объём оперативной памяти ползунком.
Что такое MoE и почему активных параметров меньше, а памяти нужно как для полной модели?
MoE (mixture-of-experts) — архитектура, где на каждый токен активна только часть весов, поэтому считается быстрее. Но все веса всё равно должны целиком поместиться в память — MoE экономит скорость, а не объём ОЗУ или видеопамяти.
Почему в калькуляторе нет DeepSeek или Llama 4 Scout?
Обе модели даже в самом лёгком практически пригодном кванте весят от 30 до 90+ гигабайт — заведомо больше памяти любого потребительского компьютера. Использовать их можно через облачного провайдера в Доке, но не локально.
У меня Mac — как считать?
На Apple Silicon (M1–M4) память единая для процессора и видеочасти — отдельного лимита VRAM нет, вся оперативная память доступна модели. Выбери «Нет видеокарты» и подвинь ползунок на объём RAM своего Mac (обычно 8, 16, 24 или 32 ГБ).
Как выбрать модель в Доке — облачные и локальные →Какая видеокарта нужна для локальных нейросетей →