RTX 4070
60 modèles IA tiennent dans 12 GB de VRAM en Q4 natif. 21 autres fonctionnent avec offloading CPU. Benchmarks réels ci-dessous.
llama.cpp 0.2.x · CUDA 12 · Ubuntu 22.04 · Prices verified on Amazon · méthodologie →
Contexte d’exécution
Vérifier l'offre actuelle
Lien affilié Amazon pour RTX 4070
Certains liens sont des liens d'affiliation Amazon. Nous pouvons toucher une commission sans coût supplémentaire pour vous. Le cookie Amazon peut durer jusqu'à 24 heures après votre clic.
Spécifications complètes
NVIDIA · 2023-04
| VRAM | 12 GB GDDR6X |
| Bande passante | 504 GB/s |
| FP16 TFLOPS | 29.1 |
| AI Score | 48 / 140 |
| CUDA Cores | 5,888 |
| Tensor Cores | 184 |
| TDP | 200 W |
| PCIe | Gen 4 |
| Slots | 2 |
| Power Connector | 16-pin |
| Fourchette de prix | Milieu de gamme |
| Sortie | 2023-04 |
Benchmarks IA
Mesures réelles d’inférence — llama.cpp Q4_K_M
| Tâche | Résultat |
|---|---|
| Llama 1B Q4 | 265 tok/s |
| Llama 3B Q4 | 106 tok/s |
| Llama 7B Q4 | 40 tok/s |
| Llama 13B Q4 | 20 tok/s |
| Llama 30B Q4 | VRAM N/D |
| Llama 70B Q4 | Offloading ou multi-GPU |
| Stable Diffusion 512px | 4.5s / img |
| Whisper Large RTF | 0.55x |
RTF < 1.0 = plus rapide que le temps réel. Pour Stable Diffusion et Whisper, plus bas est meilleur ; pour les tokens/s, plus haut est meilleur.
Comparer RTX 4070 avec un autre GPU
Mise à niveau utile ? Comparez les specs et benchmarks réels côte à côte.
Ouvrir le comparateur →Modèles IA compatibles — RTX 4070
60 modèles fonctionne entièrement en VRAM · 21 avec offloading CPU
Flux.1 Dev
Whisper Large V3
Stable Diffusion 3.5 Large
Stable Diffusion 3.5 Medium
Phi-4
Stable Diffusion 3 Medium
Flux.1 Schnell
DeepSeek R1 Distill 14B
Voir les 60 modèles compatibles →
Fonctionne aussi avec offloading CPU (21)
- FLUX.2 Dev 8.8 GB Q2
- Qwen2.5-Coder 32B 9.6 GB Q2 Comment installer →
- DeepSeek R1 Distill 32B 9.6 GB Q2 Comment installer →
- Qwen2.5 32B 9.6 GB Q2 Comment installer →
- Gemma 4 27B 7.4 GB Q2 Comment installer →
- Qwen3.5 35B-A3B 9.6 GB Q2 Comment installer →
- Gemma 2 27B 8 GB Q2 Comment installer →
- Gemma 3 27B 8.1 GB Q2 Comment installer →
- Gemma 4 31B 8.5 GB Q2 Comment installer →
- Mistral Small 3 7.2 GB Q2 Comment installer →
- Qwen3 32B 8.8 GB Q2 Comment installer →
- Qwen3-Coder 30B-A3B 8.3 GB Q2 Comment installer →
- Qwen3 30B-A3B 8.3 GB Q2 Comment installer →
- Devstral Small 2 24B 6.6 GB Q2 Comment installer →
- Qwen3.5 27B 7.4 GB Q2 Comment installer →
- Magistral Small 24B 6.6 GB Q2 Comment installer →
- CodeLlama 34B 10 GB Q2 Comment installer →
- Yi 1.5 34B 10 GB Q2 Comment installer →
- Mistral Small 3.2 6.6 GB Q2 Comment installer →
- Mistral Small 3.1 6.6 GB Q2 Comment installer →
- Phi-3.5 MoE 11 GB Q2 Comment installer →
RTX 4070 · Amazon
Les prix des GPU changent souvent selon les vendeurs. Verifiez l offre actuelle avant achat.
Vérifier l'offre actuelleCertains liens sont des liens d'affiliation Amazon. Nous pouvons toucher une commission sans coût supplémentaire pour vous. Le cookie Amazon peut durer jusqu'à 24 heures après votre clic.
RTX 4070 pour l’intelligence artificielle locale
RTX 4070 avec 12GB de GDDR6X est une option solide pour l'IA locale. Cette carte couvre les modèles populaires en quantification Q4 et permet d'aller plus loin selon la VRAM disponible.
En benchmarks réels, RTX 4070 atteint 40 tokens/seconde sur Llama 7B Q4. Vous pouvez aussi exécuter 60 modèles entièrement en VRAM, avec 21 modèles supplémentaires en offloading CPU.
Pour vérifier précisément la compatibilité de chaque modèle, utilisez le calculateur VRAM. Vous pouvez également consulter les guides de démarrage pour configurer votre environnement local.
Planifiez votre build IA complet
RTX 4070 · 12 GB VRAM — configurez PSU, RAM, stockage et vérifiez les modèles compatibles.
Articles liés
Vous ne savez pas quel modèle exécuter sur votre RTX 4070 ?
Le calculateur VRAM vous indique exactement quelle quantification utiliser.
Obtenez le meilleur prix pour RTX 4070
Ouvrez Amazon via notre lien affilié et vérifiez la disponibilité, les variantes et les offres actuelles.