🇺🇸 DiffusionGemma 26B-A4B Instruct
DiffusionGemma 26B (Google): Gemma visivo-linguistico basato sulla diffusione, Instruct, contesto di 128k, 15 GB di VRAM in Q4. Apache 2.0. Uscita a giugno 2026.
# HuggingFace: google/diffusiongemma-26B-A4B-it
Classifica aggiornata il 22/10/2026
16 GB di VRAM sono il livello ideale per gli LLM da 13 a 24B quantizzati. Schede di riferimento: RTX 4080/4080 Super, RTX 5080, 4070 Ti Super, 4060 Ti 16 GB, RX 7800 XT. Ecco i migliori modelli per questa fascia.
RTX 4080: alternativa d'acquisto disponibile per l'IA locale — RTX 5080 16 GB:
Quale PC scegliere in base al tuo budget? Le nostre scelte da 800 a 3 500 € →
Link affiliati — QualeLLM può percepire una commissione sugli acquisti, senza costi aggiuntivi per te, e questo non influisce sulla classifica (stabilita in modo indipendente). In qualità di Partner Amazon, QualeLLM realizza un profitto sugli acquisti idonei.
DiffusionGemma 26B (Google): Gemma visivo-linguistico basato sulla diffusione, Instruct, contesto di 128k, 15 GB di VRAM in Q4. Apache 2.0. Uscita a giugno 2026.
# HuggingFace: google/diffusiongemma-26B-A4B-it
⚠ MoE 24B / 2B attivi di Liquid AI, contesto 128k, ~14 GB di VRAM in Q4: ragionamento multilingue (francese incluso) veloce su una scheda da 16 GB. Licenza restrittiva.
# HuggingFace: LiquidAI/LFM2.5-24B-A2B
Specialista in programmazione 24B, Apache 2.0. 72.2% su SWE-Bench. 256k ctx, laboratorio francese.
ollama run devstral-small2:24b
Multimodale con 4B effettivi (testo+immagine+audio). 140 lingue. Per laptop ed edge.
ollama run gemma4:e4b
Primo modello di ragionamento open di Mistral. AIME24 70.7%. Base Small 3.1 + addestramento CoT.
ollama run magistral:24b
MoE 26B/3B attivi sviluppato da un laboratorio statunitense. Veloce grazie ai 3B attivi. Apache 2.0.
ollama pull hf.co/arcee-ai/Trinity-Mini-26B-GGUF
Versione 22B di EuroLLM (febbraio 2026). 35 lingue UE. Finestra di contesto di 32k token. Sostituisce EuroLLM 9B per i compiti più impegnativi.
# HuggingFace: utter-project/EuroLLM-22B-Instruct-2512
| Posizione | Modello | Params | VRAM Q4 | Contesto | Licenza | Su RTX 4080 |
|---|---|---|---|---|---|---|
| #1 | DiffusionGemma 26B-A4B Instruct | 26B | 15 GB | 128 000 | Apache 2.0 | 14 tok/s · Q4_K_M |
| #2 | LFM2.5 24B-A2B | 24B | 14 GB | 131 072 | LFM Open License v1.0 | 85 tok/s · Q4_K_M |
| #3 | Devstral Small 2 24B | 24B | 14 GB | 256 000 | Apache 2.0 | 15 tok/s · Q4_K_M |
| #4 | Gemma 4 E4B | 4B | 10 GB | 128 000 | Apache 2.0 | 40 tok/s · FP16 |
| #5 | Magistral Small 24B | 24B | 14 GB | 128 000 | Apache 2.0 | 15 tok/s · Q4_K_M |
| #6 | Trinity Mini 26B-A3B | 26B | 15 GB | 131 072 | Apache 2.0 | 40 tok/s · Q4_K_M |
| #7 | EuroLLM 22B Instruct 2512 | 22.6B | 13 GB | 32 768 | Apache 2.0 | 16 tok/s · Q5_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 Copilota Locale 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.
Manteniamo i modelli che entrano in Q4_K_M in 16 GB, privilegiando quelli che utilizzano bene la VRAM (50-95%) — segno che l'hardware viene sfruttato.
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.
Quale LLM su RTX 4080 16 GB?
La nostra prima scelta: DiffusionGemma 26B-A4B Instruct. Per un buon compromesso tra qualità e throughput, resta su modelli quantizzati da 13-24B in Q4_K_M o Q5.
Si può passare a Q5 o Q8 su 16 GB?
Sì per un 8-14B (Q5 di un 14B = ~10 GB, Q8 di un 8B = ~10 GB). Non per un 24B (Q5 ≈ 17 GB, fuori budget). Q4 resta l'opzione per i 24B.
Gemma 2 27B sta in 16 GB?
Solo in Q4_K_M (≈ 16 GB) — proprio al limite. In Q5 supera la capacità disponibile (20 GB). Preferisci Mistral Small 3.1 24B nel Q4 (14 GB) per avere margine.
RTX 4080 vs RTX 4070 Ti Super per gli LLM?
Entrambe hanno 16 GB, ma la 4080 è il 30–40% più veloce (tier 4 contro 3 nel nostro sistema di punteggio). Se il budget lo permette, la 4080 Super o la 5080 è chiaramente una scelta migliore.