NVIDIA Nemotron 3 Nano 4B: какой квант выбрать
Все кванты NVIDIA Nemotron 3 Nano 4B (3.97 B), которые реально есть в данных (2: Q4_K_M, 4bit), с точными размерами файлов от 19.10.2026 и расчётом «сколько VRAM под контекст».
Кванты: размер → VRAM под контекст → мин. карта
| Квант (файл) | Размер, ГБ | Итого @8K | Итого @16K | Итого @32K | Мин. карта | ~tok/s RTX 4060 8 GB | ~tok/s RTX 4090 24 GB | ~tok/s Apple M2 24 GB (unified) |
|---|---|---|---|---|---|---|---|---|
| Q4_K_M nvidia/NVIDIA-Nemotron-3-Nano-4B-GGUF | 2.84 ГБ | 5.7 | 7.2 | 10 | от 8 ГБ | ~56 | ~177 | ~18 |
| 4bit mlx-community/NVIDIA-Nemotron-3-Nano-4B-4bit | 2.24 ГБ | 5.1 | 6.6 | 9.4 | от 8 ГБ | ~71 | ~225 | ~22 |
«Итого» = веса + KV-кэш (fp16, 8 KV-голов) + 1.5 ГБ overhead; q8_0-KV-кэш режет KV вдвое.
tok/s — оценка: влезает → bandwidth ÷ размер × 0.5 (dense), не влезает → CPU-offload 1–5 tok/s. Оценка, не бенчмарк.
Лучший квант по tier памяти (влезает @16K)
| Память | Бюджет (90%) | Лучший (самый тяжёлый) квант | Итого @16K |
|---|---|---|---|
| 8 ГБ | 7.2 ГБ | Q4_K_M (2.84 ГБ, NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf) | 7.2 ГБ |
| 16 ГБ | 14.4 ГБ | Q4_K_M (2.84 ГБ, NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf) | 7.2 ГБ |
| 24 ГБ | 21.6 ГБ | Q4_K_M (2.84 ГБ, NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf) | 7.2 ГБ |
| 48 ГБ | 43.2 ГБ | Q4_K_M (2.84 ГБ, NVIDIA-Nemotron3-Nano-4B-Q4_K_M.gguf) | 7.2 ГБ |
«Лучший» = самый тяжёлый (качественный) квант, влезший в tier с контекстом 16K. Q2/Q3-кванты — заметное падение качества (experimental) — не рекомендуем и в таблицу не включали.
Диапазон скорости по квантам (оценка, не бентчмарк)
- RTX 4060 8 GB: 56–71 tok/s (среди квантов, влезших на это устройство)
- RTX 4090 24 GB: 177–225 tok/s (среди квантов, влезших на это устройство)
- Apple M2 24 GB (unified): 18–22 tok/s (среди квантов, влезших на это устройство)
Оговорки и ссылки
- Размеры — фактические байты из Ollama-реестра / HF API от 19.10.2026; «влезает» — по бюджету 90% VRAM (unified — 70–85%). Оценки — модельные, не бентчмарки.
- Мин. карта — из каталога gpus.json (12 устройств); «24 ГБ+» — вне каталога/оффлоад.