Granite 4.1 8B — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Dense 8B model reported to match IBM's prior 32B MoE flagship on several benchmarks. Q4 fits in ~5GB — runs on any modern GPU or Apple Silicon. Apache 2.0, 128K context.
Granite 4.1 8B potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 3.4 GB | ~154 tok/s | Mieści się | |
| Q3_K_M 3.41 bpw | 4.2 GB | ~133 tok/s | Mieści się | |
| Q4_K_M 4.83 bpw | 5.6 GB | ~107 tok/s | Mieści się | |
| Q5_K_M 5.67 bpw | 6.5 GB | ~95 tok/s | Mieści się | |
| Q6_K 6.56 bpw | 7.4 GB | ~86 tok/s | Mieści się | |
| Q8_0 8.50 bpw | 9.3 GB | ~70 tok/s | Mieści się | |
| F16 16.00 bpw | 16.8 GB | ~41 tok/s | Mieści się |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Granite 4.1 8B →
Uruchom Granite 4.1 8B
Najtańsze GPU z naszego katalogu, które uruchomi Granite 4.1 8B, to Intel Arc B570 (10 GB).
lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Granite 4.1 8B
Zainstaluj Ollama, a potem uruchom:
ollama run granite4.1:8bSpecyfikacja
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- Parametry
- 8 Billion
- Okno kontekstu
- 128,000
- Architektura
- Dense Transformer
- Dostawca
- IBM
- Licencja
- Apache 2.0
- Practical deployment
- Laptop
- Określono przy
- Q4_K_M
- RAM systemowy
- 16 GB
- Rekord zaktualizowany
- 2026-04-29
Commercial use permitted. No usage restrictions beyond attribution.
Zobacz też Granite Switch 4.1 8B
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Czy uruchomię Granite 4.1 8B na moim GPU?
- Granite 4.1 8B na AMD Radeon RX 9060 XT 8GB
- Granite 4.1 8B na Apple M1 Max
- Granite 4.1 8B na Apple M3 Max
- Granite 4.1 8B na Apple M5 Pro
- Granite 4.1 8B na Intel Arc B570
- Granite 4.1 8B na Intel Arc B580
- Granite 4.1 8B na NVIDIA GeForce RTX 3060 (12GB)
- Granite 4.1 8B na NVIDIA GeForce RTX 3070
- Granite 4.1 8B na NVIDIA GeForce RTX 3070 Ti
- Granite 4.1 8B na NVIDIA GeForce RTX 3080 (10GB)
- Granite 4.1 8B na NVIDIA GeForce RTX 4060
- Granite 4.1 8B na NVIDIA GeForce RTX 4070
- Granite 4.1 8B na NVIDIA GeForce RTX 4070 Super
- Granite 4.1 8B na NVIDIA GeForce RTX 4070 Ti
- Granite 4.1 8B na NVIDIA GeForce RTX 5060
- Granite 4.1 8B na NVIDIA GeForce RTX 5060 Ti 8GB
- Granite 4.1 8B na NVIDIA GeForce RTX 5070
- Granite 4.1 8B na NVIDIA L40S
- Granite 4.1 8B na NVIDIA RTX 6000 Ada Generation
Inne rozmiary IBM Granite 4.1
Granite 4.1 8B — najczęściej zadawane pytania
How much VRAM does Granite 4.1 8B need?
About 6 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Granite 4.1 8B run on an RTX 4090 (24 GB)?
Yes. Granite 4.1 8B needs about 6 GB at Q4_K_M, inside a 24 GB card, at an estimated 107 tokens/sec.
How do I run Granite 4.1 8B locally?
Install Ollama and run `ollama run granite4.1:8b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does IBM Granite 4.1 come in?
Granite 4.1 3B (3 GB), Granite 4.1 8B (6 GB), Granite 4.1 30B (19 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.