Microsoft14B~9 GB VRAM przy Q4_K_M

Phi-4 (14B) — VRAM, szybkość i lokalna konfiguracja

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 6 stycznia 2025

A powerhouse for 12GB+ VRAM GPUs. Exceptional reasoning capabilities derived from synthetic textbook quality data.

Phi-4 (14B) potrzebuje około 9 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika94

Kreatywność80

Kod90

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	7.1 GB	~106 tok/s	Mieści się
Q3_K_M 3.41 bpw	8.4 GB	~89 tok/s	Mieści się
Q4_K_M 4.83 bpw	10.9 GB	~69 tok/s	Mieści się
Q5_K_M 5.67 bpw	12.4 GB	~61 tok/s	Mieści się
Q6_K 6.56 bpw	14 GB	~54 tok/s	Mieści się
Q8_0 8.50 bpw	17.4 GB	~43 tok/s	Mieści się
F16 16.00 bpw	30.5 GB	~4 tok/s	Częściowo w RAM

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Phi-4 (14B) →

Uruchom Phi-4 (14B)

Najtańsze GPU z naszego katalogu, które uruchomi Phi-4 (14B), to Intel Arc B580 (12 GB).

Kup ten sprzęt Intel Arc B580 12GB — 12 GB VRAM · 190 W board power Uruchom w chmurze RTX 4090 w RunPod — od $0.34/godz. · stawka sprawdzona 2026-07

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.

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 B580 12GB

12 GB VRAM · 190 W board power

Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Sprawdź cenę na Amazon

Jak uruchomić Phi-4 (14B)

Zainstaluj Ollama, a potem uruchom:

$ollama run phi4

Wagi na Hugging Face: microsoft/phi-4 ↗

Download Phi-4 (14B) — GGUF Quantizations

Pick a quantization and open it in LM Studio, Ollama, or Jan, or download the raw .gguf file directly. Quant list and sizes resolved from Hugging Face.

Phi-4 (14B) — GGUF quants · bartowski/phi-4-GGUF

Quant	Size	Download (.gguf)
Q3_K_M	5.97 GB (est.)	phi-4-Q3_K_M.gguf
Q4_K_M	8.45 GB (est.)	phi-4-Q4_K_M.gguf
Q5_K_M	9.92 GB (est.)	phi-4-Q5_K_M.gguf
Q6_K	11.48 GB (est.)	phi-4-Q6_K.gguf
Q8_0	14.88 GB (est.)	phi-4-Q8_0.gguf

Download in LM Studio: lms get bartowski/phi-4-GGUF

Want this model on your phone? You can run it on your desktop with LM Studio and chat from your iPhone or iPad over an encrypted link — see Run LM Studio Models on Your Phone (LM Link).

Specyfikacja

Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.

Parametry: 14 Billion
Okno kontekstu: 16,000
Architektura: Dense
Dostawca: Microsoft
Licencja: MIT
Practical deployment: Laptop
Określono przy: Q4_K_M
RAM systemowy: 16 GB
Rekord zaktualizowany: 2025-01-06

LicencjaMITUżycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy doreasoningmathstem

Czy uruchomię Phi-4 (14B) na moim GPU?

Phi-4 (14B) — najczęściej zadawane pytania

How much VRAM does Phi-4 (14B) need?

About 9 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 Phi-4 (14B) run on an RTX 4090 (24 GB)?

Yes. Phi-4 (14B) needs about 9 GB at Q4_K_M, inside a 24 GB card, at an estimated 69 tokens/sec.

How do I run Phi-4 (14B) locally?

Install Ollama and run `ollama run phi4`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.