Classifica aggiornata il 09/10/2026
La RTX 4080 Super (16 GB GDDR6X, 736 GB/s) è la variante potenziata di fascia 1 della famiglia Ada Lovelace. Circa il 5% più veloce della 4080. 16 GB consentono di eseguire i modelli da 24B in Q4_K_M a 30-35 tok/s.
RTX 4080 Super : alternativa d'acquisto disponibile per l'IA locale — RTX 5080 16 GB :
Un mini-PC è una macchina completa: controlla la memoria necessaria e la compatibilità del software. Non sostituisce macOS/MLX o CUDA.
Quale PC scegliere in base al tuo budget? Le nostre scelte da 800 a 3 500 € →
Link affiliati — QualeLLM può ricevere una commissione sugli acquisti, senza costi aggiuntivi per te; questo non influenza la classifica, definita in modo indipendente. In qualità di Partner Amazon, QualeLLM trae un beneficio dagli acquisti idonei.
Denso 14B con hybrid thinking. Eguaglia Qwen 2.5 32B Base in STEM/codice.
ollama run qwen3:14b
Modello di ragionamento da 14B con licenza MIT. Supera R1-Distill-Llama-70B nelle valutazioni AIME24/25 di Microsoft con un quinto dei parametri.
ollama run phi4-reasoning:14b
Ragionamento eccezionale per le sue dimensioni. Orientato alle discipline STEM.
ollama run phi4:14b
Coder 14B. HumanEval 89.6, LiveCodeBench 37.1. Ottimo compromesso in termini di VRAM per la programmazione con modelli self-hosted.
ollama run qwen2.5-coder:14b
R1 distillato su Qwen 14B. AIME24 69.7, MATH-500 93.9. Supera o1-mini su molti benchmark.
ollama run deepseek-r1:14b
Denso 14B Apache 2.0. MMLU 79.7, HumanEval 83.5. 29+ lingue. Buon compromesso.
ollama run qwen2.5:14b
Specialista in programmazione 24B, Apache 2.0. 72.2% su SWE-Bench. 256k ctx, laboratorio francese.
ollama run devstral-small2:24b
| Posizione | Modello | Params | VRAM Q4 | Contesto | Licenza | Su RTX 4080 Super |
|---|---|---|---|---|---|---|
| #1 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #2 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 55 tok/s · Q8 |
| #3 | Phi-4 14B | 14B | 9 GB | 16 384 | MIT | 55 tok/s · Q8 |
| #4 | Qwen 2.5 Coder 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #5 | DeepSeek R1 Distill Qwen 14B | 14B | 9 GB | 131 072 | MIT | 55 tok/s · Q8 |
| #6 | Qwen 2.5 14B Instruct | 14B | 9 GB | 131 072 | Apache 2.0 | 55 tok/s · Q8 |
| #7 | Devstral Small 2 24B | 24B | 14 GB | 256 000 | Apache 2.0 | 40 tok/s · Q4_K_M |
Il tuo ChatGPT privato e gratuito sulla tua macchina in 1 ora — LM Studio, Ollama, Open WebUI, i tuoi documenti, senza cloud.
Memo gratuito
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 |
-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.
Filtro: Q4_K_M ≤ 14 GB. Bonus per modelli da 7-14B e 13-24B. Variante boost ~5 % rispetto al modello 4080 standard.
Criteri presi in considerazione:
Il sistema di assegnazione dei punteggi è completamente trasparente: consulta la nostra metodologia per i dettagli sul calcolo della VRAM e dei token/sec.
RTX 4080 Super vs 4080?
Gli stessi 16 GB. 4080 Super = +5 % di prestazioni (circa il 7 % di core CUDA in più, GDDR6X leggermente più veloce). Differenza impercettibile con la maggior parte dei LLM. Preferisci quella meno cara sul mercato dell’usato. Vedi RTX 4080.
4080 Super vs 5080 ?
5080 = ~25% più veloce (GDDR7 vs GDDR6X), ma costa ~600 € in più da nuova. 4080 Super usata a ~700 € = miglior rapporto qualità-prezzo. Vedi RTX 5080.
Llama 70B su 4080 Super ?
No — Q4 (~40 GB) non entra in 16 GB. Q2_K (~28 GB) non entra neppure. Per un modello da 70B in locale su hardware consumer, puntare su una RTX 4090/5090 da 24+ GB o un Mac Studio da 64+ GB.
Qual è il punto ottimale per gli LLM sulla 4080 Super?
Mistral Small 24B Q4 (~13 GB) a 30 tok/s o Qwen 3 14B Q6 (~12 GB) a 50 tok/s. Per il codice, Qwen 2.5 Coder 14B Q5. Vedi classifica per la programmazione.
Approfondisci con i nostri duelli dettagliati tra i finalisti: