Interaktiver Hardware-Kompass

Welcher AI PC passt zu deinem lokalen LLM?

Vier Angaben reichen für eine belastbare Vorauswahl. Der Finder schätzt Modellgewichte, Kontext-Cache und Laufzeitreserve und gleicht den Bedarf anschließend mit konkreten Komplettsystemen aus unserem gepflegten Katalog ab.

Deine Anforderungen

Bedarf und Systeme ermitteln

Die Berechnung schätzt den schnellen Speicherbedarf für quantisierte Inferenz und zeigt passende konkrete Konfigurationen; sie ist kein Leistungsversprechen.

1 Welche Modellgröße möchtest du lokal nutzen?

7B–8Bschneller Einstieg 12B–14Bmehr Qualität 20B–32Banspruchsvoll 65B–70Bgroßes Modell 100B+Profi-Klasse

2 · Gewünschte KontextlängeLanger Kontext vergrößert den KV-Cache deutlich. 3 · Wichtigster EinsatzzweckMehr Komponenten benötigen zusätzlichen Speicher. 4 · Deine höchste PrioritätSie bestimmt den empfohlenen Hardwarepfad. Ungefähres SystembudgetDas Budget verändert nicht den Speicherbedarf, aber den realistischen Weg.

Deine Speicherklasse

16 GB schneller Speicher als Startpunkt

Geschätzter Bedarf7–9 GBModell + Kontext + Reserve

Empfohlene Klasse16 GB VRAMdiskrete GPU

Passender SystemtypMittelklasse-GPU-PCmit mindestens 32 GB System-RAM

Warum passt diese Hardwareklasse?

Konkrete Treffer aus dem SystemkatalogDie Auswahl berücksichtigt Speicher, Hardwarepfad, Priorität und Budgetstufe.

Treffer ansehen

Konkrete Komplettsysteme

Passende Modelle für deine Auswahl

Die katalogisierten Konfigurationen werden mit deinem Ergebnis abgeglichen.

Systemkatalog wird geladen …

Alle katalogisierten Systeme und Unterschiede ansehen

Was die Rechnung enthält

Konservativ mit Reserve

typische Q4-Gewichtsgröße der Modellklasse
Aufschlag für längeren KV-Cache
Reserve für Runtime und gewählten Workflow
Abgleich mit den Speicherwerten konkreter Systeme

Was kein Rechner sicher weiß

Modell und Software entscheiden mit

Architektur und genaue Quantisierung
Flash Attention und Backend-Unterstützung
multimodale Encoder und parallele Nutzer
wie viel Unified Memory das System freigibt

Nächster Schritt

Verstehe die Speicherwerte hinter dem Ergebnis

Unser VRAM-Ratgeber erklärt Gewichte, KV-Cache, Offloading und Unified Memory ohne unnötige Fachsprache.

VRAM-Ratgeber lesen