Home › Catalogo › Miglior LLM su Radeon RX 7900 XT (20 GB) nel 2026

Miglior LLM su Radeon RX 7900 XT (20 GB) nel 2026

◆ IA Locale — Il tuo ChatGPT privato e gratuito, sul tuo computer, in 1 h · 24 € · o tutti i kit 49 € →

Classifica aggiornata il 22/09/2026

La Radeon RX 7900 XT (20 GB GDDR6, 800 GB/s) è la sorella minore della 7900 XTX. L'insolita capacità di 20 GB permette di eseguire agevolmente modelli da 24-32B in Q4. ~650 € da nuova, ottimo rapporto qualità/prezzo.

Offerte e alternative per l'IA locale

Radeon RX 7900 XT : alternativa d'acquisto disponibile per l'IA locale — Radeon RX 9070 XT 16 GB :

AmazonVedi il prezzo → Materiel.netVedi il prezzo → DartyVedi il prezzo →

Perché questa scelta? La nostra scheda completa su Radeon RX 9070 XT 16 GB →

Quale PC scegliere in base al tuo budget? Le nostre scelte da 800 a 3 500 € →

Link di affiliazione — QuelLLM può ricevere una commissione sugli acquisti, senza costi aggiuntivi per te, il che non influenza la classifica (stabilita in modo indipendente). In qualità di Partner Amazon, QuelLLM realizza un guadagno sugli acquisti che soddisfano i requisiti.

Classifica

🇨🇳 LLaDA 2.0 Uni 16B

Ant Group / inclusionAI · 16B parametri · Apache 2.0 · 8 192 token ctx

Primo dLLM aperto con licenza Apache 2.0: MoE 16B/1B + decoder a diffusione 6.2B. Testo+visione unificati. Uscita il 22 aprile 2026.

Perché questa posizione Primo dLLM aperto con licenza Apache 2.0: MoE 16B/1B + decoder a diffusione 6.2B. Testo+visione unificati. Uscita il 22 aprile 2026.

# HuggingFace : inclusionAI/LLaDA2.0-Uni (Flash Attn 2 + CUDA 12.4 requis)

Su Radeon RX 7900 XT

Q4_K_M

18 GB · 60 tok/s

🇫🇷 Devstral Small 2 24B

Mistral AI · 24B parametri · Apache 2.0 · 256 000 token ctx

Specialista in programmazione 24B, Apache 2.0. 72.2% su SWE-Bench. 256k ctx, laboratorio francese.

Perché questa posizione Specialista in programmazione 24B, Apache 2.0. 72.2% su SWE-Bench. 256k ctx, laboratorio francese.

ollama run devstral-small2:24b

Su Radeon RX 7900 XT

Q5_K_M

17 GB · 15 tok/s

🇺🇸 Gemma 4 26B-A4B MoE

Google · 26B parametri · Apache 2.0 · 128 000 token ctx

Variante MoE di Gemma 4. 26B/4B attivi. Multimodale completo (testo+immagine+audio).

Perché questa posizione Variante MoE di Gemma 4. 26B/4B attivi. Multimodale completo (testo+immagine+audio).

ollama run gemma4:26b

Su Radeon RX 7900 XT

Q5_K_M

19 GB · 22 tok/s

🇨🇳 Qwen 3.6 27B

Alibaba · 27B parametri · Apache 2.0 · 262 144 token ctx

Modello denso multimodale 27B, uscito il 22 aprile 2026. 262k ctx (1M YaRN). SWE-bench Verified 77.2%.

Perché questa posizione Modello denso multimodale 27B, uscito il 22 aprile 2026. 262k ctx (1M YaRN). SWE-bench Verified 77.2%.

ollama run qwen3.6:27b

Su Radeon RX 7900 XT

Q5_K_M

19 GB · 13 tok/s

🇨🇳 Qwen 3.8 27B

Alibaba · 27B parametri · Apache 2.0 · 262 144 token ctx

Qwen 3.8 27B: modello denso multimodale (testo + visione), contesto 262k, circa 16 GB di VRAM in Q4 (18 GB di pesi su Ollama). Apache 2.0, programmazione agentica e visione.

Perché questa posizione Qwen 3.8 27B: modello denso multimodale (testo + visione), contesto 262k, circa 16 GB di VRAM in Q4 (18 GB di pesi su Ollama). Apache 2.0, programmazione agentica e visione.

ollama run qwen3.8:27b

Su Radeon RX 7900 XT

Q5_K_M

19 GB · 14 tok/s

🇫🇷 Magistral Small 24B

Mistral AI · 24B parametri · Apache 2.0 · 128 000 token ctx

Primo modello di ragionamento open di Mistral. AIME24 70.7%. Base Small 3.1 + addestramento CoT.

Perché questa posizione Primo modello di ragionamento open di Mistral. AIME24 70.7%. Base Small 3.1 + addestramento CoT.

ollama run magistral:24b

Su Radeon RX 7900 XT

Q5_K_M

17 GB · 15 tok/s

🇺🇸 Gemma 4 31B

Google · 31B parametri · Apache 2.0 · 256 000 token ctx

Denso 31B multimodale (testo+immagine+audio). 140+ lingue, 256k ctx. #3 Chatbot Arena open.

Perché questa posizione Denso 31B multimodale (testo+immagine+audio). 140+ lingue, 256k ctx. #3 Chatbot Arena open.

ollama run gemma4:31b

Su Radeon RX 7900 XT

Q4_K_M

18 GB · 12 tok/s

Tabella comparativa

Posizione	Modello	Params	VRAM Q4	Contesto	Licenza	Su Radeon RX 7900 XT
#1	LLaDA 2.0 Uni 16B	16B	18 GB	8 192	Apache 2.0	60 tok/s · Q4_K_M
#2	Devstral Small 2 24B	24B	14 GB	256 000	Apache 2.0	15 tok/s · Q5_K_M
#3	Gemma 4 26B-A4B MoE	26B	16 GB	128 000	Apache 2.0	22 tok/s · Q5_K_M
#4	Qwen 3.6 27B	27B	16 GB	262 144	Apache 2.0	13 tok/s · Q5_K_M
#5	Qwen 3.8 27B	27B	16 GB	262 144	Apache 2.0	14 tok/s · Q5_K_M
#6	Magistral Small 24B	24B	14 GB	128 000	Apache 2.0	15 tok/s · Q5_K_M
#7	Gemma 4 31B	31B	18 GB	256 000	Apache 2.0	12 tok/s · Q4_K_M

Il kit IA Locale

Il tuo ChatGPT privato e gratuito sulla tua macchina in 1 ora — LM Studio, Ollama, Open WebUI, i tuoi documenti, senza cloud.

Spazio online a vita
PDF + file
Garanzia di rimborso di 30 giorni

Il kit IA Locale → o tutti i kit a vita — 49 € →

Memo gratuito

Quale modello per la programmazione far girare sulla TUA macchina?

Ricevi il memo VRAM → miglior modello per la programmazione → comando Ollama (una sola schermata, copia-incolla). E passa al kit Copilote Local per farne un setup che funziona davvero.

Il kit Copilota Locale — le configurazioni Ollama + Cline + Aider pronte da incollare, Modelfile configurati, risoluzione dei problemi, spazio online a vita →

Niente spam. Disiscrizione in 1 clic. I tuoi dati restano da noi (mai rivenduti).

La tua scheda → il miglior modello per programmare da far girare in locale e il comando Ollama esatto:

La tua VRAM	GPU / Mac tipici	Modello consigliato per la programmazione	Comando Ollama
8 GB	RTX 4060 / 3060 · M1-M2 16 GB	Qwen 3.5 9B (Q4, 6,6 GB — 256k ctx)	`ollama run qwen3.5:9b`
12 GB	RTX 3060 12 GB / 4070 / 5070	Qwen 3.5 9B (Q8, 11 GB) o Gemma 4 12B (7,6 GB)	`ollama run qwen3.5:9b-q8_0`
16 GB	RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB	Devstral 24B (Q4, 14 GB) — specialista negli agenti di programmazione	`ollama run devstral:24b`
24 GB	RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB	Qwen 3.8 27B (Q4, 18 GB) — il « quasi Copilot »	`ollama run qwen3.8:27b`
32 GB	RTX 5090	Qwen 3.6 35B-A3B (Q4, 23 GB) — MoE veloce	`ollama run qwen3.6:35b`
48 GB+	Mac M4 Max 64 GB · M2 Ultra 128 GB	Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx)	`ollama run qwen3-coder:30b-a3b-q8_0`

💡 Chat/agente ≠ autocompletamento. La tabella qui sopra riguarda il tuo modello di chat e di agent. Per l'autocompletamento inline (FIM), tieni un piccolo modello dedicato in variante -base : ollama run qwen2.5-coder:7b-base — è ancora il riferimento per questo caso specifico. ⚠️ Qwen 3.8: il suo livello di ragionamento è impostato su un valore molto alto per impostazione predefinita e « ragiona troppo » sulle richieste semplici — abbassalo a low (o disattivalo) al primo avvio. ⚠️ Insidia della licenza: Codestral 22B = Mistral Non-Production License → vietato per programmare al lavoro. Qwen 3.5/3.8, Gemma 4 e Devstral sono distribuiti sotto licenza Apache 2.0. 💡 Va in crash per problemi di memoria? Tieni circa 1,5 GB di VRAM libera per il contesto, oppure scendi di un livello di quantizzazione.

🔌 Per integrarlo in VS Code: Cline (agente che opera su più file), Aider (CLI) o Tabby/Twinny (autocompletamento FIM) — tutti si collegano a Ollama in locale. Il kit Copilota Locale — configurazioni pronte da incollare + setup testato — è disponibile: /copilote-local.

Metodologia della classifica

Filtro: Q4_K_M ≤ 18 GB. Bonus 13-32B (picco 20 GB). 800 GB/s + ROCm 6.

Criteri presi in considerazione:

Q4_K_M ≤ 18 GB
Compatibile con ROCm 6
Mistral Small 24B Q5
20 GB inusuali

Il sistema di assegnazione dei punteggi è completamente trasparente: consulta la nostra metodologia per i dettagli sul calcolo della VRAM e dei token/sec.

Domande frequenti

RX 7900 XT vs 7900 XTX ?

XT = 20 GB + 800 GB/s. XTX = 24 GB + 960 GB/s. Per i modelli 24-32B Q4, entrambe le schede sono adatte. XTX preferibile per il fine-tuning o per i modelli 32B Q5. Vedi RX 7900 XTX.

Perché 20 GB e non 16 o 24?

Scelta di marketing di AMD per il posizionamento tra la 7900 XTX e la fascia precedente. Per gli LLM, è il punto ottimale: Mistral Small 24B Q4 (~13 GB) + contesto 32k + cache = ~18 GB.

ROCm su 7900 XT: facile?

Sì, da ROCm 6 (2024). Ollama offre supporto nativo tramite -gpu rocm. Anche llama.cpp. È più semplice rispetto a 2 anni fa. Vedi guide.

Qual è il miglior compromesso per un LLM sulla 7900 XT?

Mistral Small 24B Q5 (~17 GB) a 25 tok/s, Qwen 3 32B Q4 (~17 GB) a 22 tok/s. Eccellente per codice + chat.

Per approfondire

I kit QuelLLM La guida di riferimento per ogni uso

IA locale Copilota Locale Agenti Locali RAG Locale IA in Azienda IA Senza Filtri Mac Immagini IA

Tutti i kit a vita — 49 €