Wymagania VRAM dla LLM-ów do kodowania: co naprawdę uciągnie każdy próg

Autor: Jakub Rusinowski · Ostatnia aktualizacja 2026-08-04 · Wartości sprzętowe wyliczone naszym silnikiem VRAM

8 GB VRAM uciągnie Qwen3-Coder 8B razem z modelem do autouzupełniania — to sensowny punkt wejścia. 16 GB uciągnie Devstral-2 22B, czyli pierwszy próg naprawdę zdatny do pracy agentowej. 24 GB uruchomi Qwen 3.6 27B albo Qwen 2.5 Coder 32B — złoty środek. Wyżej, około 49 GB (2×24 GB albo Mac z 96 GB i więcej) odblokowuje Qwen3-Coder 80B-A3B. Agenty kodujące potrzebują zapasu na kontekst ponad same wagi, więc planuj o oczko luźniej niż przy konfiguracji do samego czatu.

Kodowanie to najtrudniejsze obciążenie do wymiarowania VRAM-u, bo o tę samą pamięć biją się trzy rzeczy: wagi modelu, cache KV (rosnący razem z długością kontekstu — a narzędzia agentowe rutynowo pchają konteksty rzędu 16–32 tys. tokenów) i każdy drugi model, którego trzymasz do autouzupełniania. Ogólne tabelki w rodzaju „7B potrzebuje 5 GB” pomijają dwie ostatnie pozycje i tak właśnie kończy się agentem, który wysypuje się w chwili, gdy Cline wczyta duży plik.

Każda liczba poniżej to zapotrzebowanie przy Q4_K_M policzone tym samym silnikiem, co nasz kalkulator zgodności — wagi plus cache KV plus narzut, a nie przepisana wartość z karty katalogowej. Dla konkretnej pary GPU i modelu, razem z opcjami kwantyzacji i kontekstu, kalkulator poda dokładny werdykt.

8 GB VRAM — uczciwy punkt wejścia

Karty klasy RTX 3060/4060 i Maki z 16 GB. Jeden mały koder z bieżącej generacji albo koder plus autouzupełnianie, jeśli utrzymasz konteksty w ryzach.

12–16 GB VRAM — pierwszy próg agentowy

RTX 3060 12GB, RTX 4060 Ti 16GB i 5060 Ti 16GB, karty klasy RX 7800 XT, Maki z 24 GB. Tutaj dedykowane agenty do kodowania robią się niezawodne.

24 GB VRAM — złoty środek

RTX 3090/4090, RX 7900 XTX, Maki z 32 GB. To próg, w który ten dział radzi celować, jeśli kupujesz sprzęt pod kodowanie.

48 GB i więcej — teren stacji roboczych i Maców

Dwie karty po 24 GB, jedna karta 48 GB albo 64–128 GB pamięci zunifikowanej Apple (z czego dla modeli użyteczne jest jakieś 75%).

Dwie zasady VRAM specyficzne dla kodowania

Zasada 1 — zarezerwuj zapas na kontekst. Cache KV rośnie liniowo razem z długością kontekstu. Model, który „mieści się” przy kontekście 8K, potrafi przelać się przy 32K — a narzędzia agentowe w rodzaju Cline'a żyją w przedziale 16–32K. Jeśli twoja karta mieści model z zapasem mniejszym niż jakieś 15% VRAM-u, zejdź o jeden stopień kwantyzacji niżej albo wybierz model o oczko mniejszy. (Dokładnie to modeluje kalkulator, gdy przesuwasz suwak kontekstu.)

Zasada 2 — MoE przechyla matematykę na twoją korzyść. Modele mixture-of-experts muszą mieć w pamięci wszystkie wagi, ale na token strumieniują tylko aktywnych ekspertów — dlatego Qwen3-Coder 80B-A3B jest po załadowaniu *szybszy* niż gęsty 27B, a z offloadem ekspertów w llama.cpp degraduje się łagodnie na RAM systemowy, zamiast odmawiać wczytania. Jeśli stoisz między progami, MoE o małej liczbie aktywnych parametrów (35B-A3B, 80B-A3B) zwykle lepiej się opłaca niż większy model gęsty. Więcej w naszym przewodniku po modelach MoE.

Na Apple Silicon licz jakieś 75% pamięci zunifikowanej jako użyteczne dla modeli — Mac z 48 GB to na potrzeby planowania „karta 36 GB”.

Zmieniasz próg?

Jeśli ta strona przesunęła twój cel z 8 GB na 16 albo 24, to są karty, wokół których wyceniony jest każdy z progów — 4060 Ti 16GB jako wybór za rozsądne pieniądze, 3090 i 4090 na złoty środek.

Nie masz sprzętu? Najpierw wynajmij kartę

Albo daruj sobie zakup: wynajmij dokładnie ten próg VRAM na godzinę i podejrzyj faktyczne zużycie pamięci na swoim własnym obciążeniu, zanim wydasz choćby złotówkę.

• RunPod — RTX 4090 ≈ $0.3–0.7/hr, A100/H100 by the hour; serverless per-second billing available
• Vast.ai — Marketplace of hosted GPUs — often the cheapest per hour (interruptible options)
• Lambda — On-demand A100/H100/B200 instances and clusters, per-hour billing

Pełna lista w katalogu chmurowej AI.

Najczęstsze pytania

Co dalej

• Wszystko, co uciągnie karta 16 GB — pełna strona progu VRAM
• Indeks „czy uruchomię” — sprawdź konkretną parę GPU i modelu
• CUDA out of memory — diagnoza i rozwiązania
• Najlepsze lokalne LLM-y do kodowania w 2026, według progu VRAM
• Najlepsze GPU do lokalnego kodowania z AI w 2026: pięć sensownych wyborów
• Context engineering dla lokalnych agentów kodujących: budżetowanie okna, za które płacisz
• Dlaczego twój lokalny agent kodujący wlecze się w miejscu — i sześć poprawek, które działają
• Lokalny asystent kodowania — cały dział