Apertus — lokalny model AI od EPFL / ETH Zurich / CSCS

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

Szwajcarski model otwarty, z EPFL, ETH Zurich i Szwajcarskiego Narodowego Centrum Superkomputerowego. Trenowany na około 15 bilionach tokenów obejmujących ponad 1000 języków, z wagami, danymi i procesem opublikowanymi na licencji Apache-2.0 — europejski argument o suwerenności w konkretnej postaci.

Hugging Face

Warianty

Najmniejszy wariant Apertus potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.

ModelVRAM
Apertus 8B →
8B
~5.6 GB
Apertus 70B →
70B
~43.1 GB

Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.

Jak uruchomić Apertus lokalnie

Zainstaluj Ollama, a potem pobierz tag.

ollama run apertus

Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.

Licencja

Apache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Dotyczy: Apertus 8B, Apertus 70B

Polecane GPU

Najtańsze GPU z naszego katalogu, które uruchomi Apertus lokalnie (min. 6 GB VRAM), to Intel Arc B570 (10 GB).

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
Intel Arc B570 10GB
10 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Apertus — najczęściej zadawane pytania

How much VRAM does Apertus need?

Apertus needs about 6 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Apertus 8B (6 GB, Q4_K_M); Apertus 70B (43 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.

Can I run Apertus on an RTX 4090 (24 GB)?

Yes — Apertus runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.

What quantization should I use for Apertus?

Q4_K_M is the best balance of quality and VRAM for Apertus in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.

How do I run Apertus with Ollama?

Apertus has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.