01Cosa sa fare
- MoE 75B/9B attivi : inferenza più leggera di un modello denso equivalente
- Orientato al ragionamento
- 128k di contesto nativo
- Uso commerciale autorizzato (NVIDIA Open Model License)
- —150 GB in FP16 — riservato alle configurazioni potenti
- —~44 GB VRAM anche in Q4 (2× RTX 4090 o Mac 64 GB+)
- —Nessun tag Ollama ufficiale — installazione tramite HuggingFace/vLLM
04Installare
Installa Ollama per il tuo OS. Verifica il modello e la sua quantizzazione prima del download. Inizia con 4096 token di contesto, poi controlla l'allocazione con ollama ps. Un comando qui sotto non dimostra che sia stato eseguito un test sulla tua macchina.
02Memoria richiesta
VRAM GPU approssimativa per far girare questo modello, overhead del contesto di 4k token incluso. Per un contesto più lungo, aggiungi ~1 GB per ogni blocco di 8k token.
Quale hardware serve per Nemotron 3 Puzzle 75B-A9B?
Per eseguire Nemotron 3 Puzzle 75B-A9B in locale con quantizzazione Q4, servono circa 44 GB di VRAM. Un’opzione da confrontare: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — lascia un margine per il sistema e il contesto; verifica la compatibilità del motore con la GPU.
Perché questa scelta? La nostra scheda completa su GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Link affiliati — possibile commissione senza costi aggiuntivi per te, raccomandazione indipendente. In qualità di Partner Amazon, QualeLLM realizza un profitto sugli acquisti idonei.
03Velocità prevista
Token generati al secondo in Q4_K_M, contesto 4k. Oltre 20 t/s, la lettura è confortevole. Al di sotto di 10 t/s, va bene solo per fare delle prove.