🇺🇸 Gemma 4 12B
Gemma 4 12B(Google):稠密多模态模型(文本、视觉、音频),256k 上下文,Q4 约 7 GB VRAM。Apache 2.0,多语言支持。
# HuggingFace : google/gemma-4-12B
排名更新于 22/10/2026
RTX 4070(12 GB GDDR6X,504 GB/s)是 2023 年 Ada Lovelace 系列的中端型号。12 GB 显存足以运行 Q4 量化的 7–14B 模型。二手价格约 400 €,是不错的选择。
RTX 4070 :可选购的本地 AI 替代方案 — RTX 5070 12 GB :
迷你 PC 是一台完整的计算机:请检查所需内存和软件兼容性。它不能替代 macOS/MLX 或 CUDA。
如何根据预算选择电脑?看看我们推荐的 800 至 3,500 €价位的电脑 →
联盟链接 — 哪个LLM 可能从购买中获得佣金,您无需承担额外费用,这不会影响排名(排名独立制定)。作为 Amazon 合作伙伴,哪个LLM 会从符合条件的购买中获利。
Amazon 可能会跳转到当地商店或显示其他配置。购买前请核对商品;此链接不保证跳转目的地或商品配置。
Gemma 4 12B(Google):稠密多模态模型(文本、视觉、音频),256k 上下文,Q4 约 7 GB VRAM。Apache 2.0,多语言支持。
# HuggingFace : google/gemma-4-12B
GLM 5.3(智谱):7B 稠密模型,专攻代码与推理,128k 上下文,Q4 量化约需 4.1 GB 显存。轻量级,可在配备 6–8 GB 显存的 GPU 上运行,采用 MIT 许可证。
ollama pull glm-5.3
Granite 4.2 8B(IBM):Apache 2.0 稠密模型,128k 上下文,Q4 量化约需 4.6 GB 显存。面向企业级多语言聊天、代码和推理。
ollama pull granite4.2
OLMo 3 7B 的「thinking」SFT 微调:逐步推理,16k 上下文,Q4 约需 4.2 GB 显存。100% 开放,Apache 2.0 许可证。
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
Dense 8B Apache 2.0,支持 12 种语言(含法语),131k 上下文,GQA 32Q/8KV。MMLU 73.84,HumanEval 85.37。发布于 2026 年 4 月 29 日。
# HuggingFace : ibm-granite/granite-4.1-8b
采用混合思考的 14B 稠密模型。在 STEM/代码方面与 Qwen 2.5 32B Base 持平。
ollama run qwen3:14b
将 R1 的推理能力蒸馏到 Qwen 14B。AIME24 69.7,MATH-500 93.9。在许多基准测试中超越 o1-mini。
ollama run deepseek-r1:14b
| 名次 | 模型 | Params | Q4 VRAM | 上下文 | 许可证 | 在 RTX 4070 上 |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 12B | 12B | 7 GB | 262 144 | Apache 2.0 | 28 tok/s · Q5_K_M |
| #2 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 50 token/s · Q8 |
| #3 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 50 token/s · Q8 |
| #4 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 50 token/s · Q8 |
| #5 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 35 tok/s · Q8 |
| #6 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 20 tok/s · Q5_K_M |
| #7 | DeepSeek R1 Distill Qwen 14B | 14B | 9 GB | 131 072 | MIT | 20 tok/s · Q5_K_M |
只需 1 小时,即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档,无需云端。
免费备忘录
接收速查表 显存 → 最佳代码模型 → Ollama 命令 (一屏即可查看,可直接复制粘贴)。再使用本地 Copilot 套件,搭建真正可用的运行环境。
本地编程副驾驶套件 — 可直接粘贴使用的 Ollama + Cline + Aider 配置、调校好的 Modelfiles、故障排除、可终身使用的在线空间 →无垃圾邮件。1 次点击即可退订。你的数据保留在我们这里(绝不转售)。
你的显卡 → 最适合在本地运行的编程模型,以及准确的 Ollama 命令:
| 你的 VRAM | 典型 GPU / Mac | 推荐的代码模型 | Ollama 命令 |
|---|---|---|---|
| 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) 或 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) — 专长是编程智能体任务 | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — “接近 Copilot” | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — 快速 MoE | 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 — 在这一特定用途上,它仍是标杆。⚠️ Qwen 3.8: 其推理强度默认设得很高,处理简单请求时会“过度思考”——请将其调低至 low (或在首次启动时关闭它)。⚠️ 许可证陷阱: Codestral 22B = Mistral Non-Production License(非生产用途许可证) → 禁止用于工作中的编程。Qwen 3.5/3.8、Gemma 4 和 Devstral 采用 Apache 2.0 许可证。💡 因内存不足而崩溃?请预留约 1.5 GB 的显存用于上下文,或将量化精度降低一档。🔌 要将其接入 VS Code: Cline (可处理多个文件的智能体), Aider (CLI) 或 Tabby/Twinny (FIM 自动补全) — 它们都连接到本地 Ollama。该套件 本地助手 — 可直接粘贴的配置 + 经过测试的设置 — 现已可用: /copilote-local.
筛选条件:Q4_K_M ≤ 11 GB。7–14B 模型可获得额外加分。504 GB/s = 扎实的中端表现。
考虑的标准:
评分完全透明:请参阅 我们的方法论 ,了解 VRAM/每秒令牌数的计算详情。
RTX 4070 在 2026 年:仍然值得使用吗?
是的,二手价格约为 400 €。Mistral 7B Q5(约 5.5 GB)的速度为 30 token/秒,Qwen 3 14B Q4(约 8 GB)的速度为 25 token/秒。参见 guide.
4070 对比 4070 Super?
Super 版 = 性能提升 15%,价格约高出 100 €。如果 LLM 是主要用途且预算允许,选择 Super 版。参见 RTX 4070 Super.
选 4070,还是二手 3080?
3080 10 GB = -2 GB VRAM 但 760 GB/s(对比 4070 504 GB/s)。在 7B 模型上更快,但 Q4 量化下上限为 9-10B(对比 4070 的 12B)。根据优先级选择。详见 RTX 3080.
在 4070 上用哪个模型编写代码?
Qwen 2.5 Coder 14B Q4(约 8 GB),速度为每秒 25–30 个 token。非常适合 Python/JS/Go/Rust。参见 编程模型排行榜.