Interaktiver Hardware-Kompass

Welcher AI PC passt zu deinem lokalen LLM?

Vier Angaben reichen für eine belastbare Richtung. Der Finder schätzt Modellgewichte, Kontext-Cache und Laufzeit-Reserve – und zeigt, warum eine Speicherklasse passt.

Dein Profil

Bedarf berechnen

Alle Ergebnisse sind Orientierung für quantisierte Inferenz, 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 Orientierung

16 GB schneller Speicher als Startpunkt

Geschätzter Bedarf7–9 GBModell + Kontext + Reserve

Empfohlene Klasse16 GB VRAMdiskrete GPU

Geeignete RichtungMittelklasse-GPU-PCmit mindestens 32 GB System-RAM

Warum passt diese Hardwareklasse?

Passende Systeme vergleichenPrüfe die genaue Speicher- und GPU-Konfiguration.

Systeme ansehen

Was die Rechnung enthält

Konservativ mit Reserve

typische Q4-Gewichtsgröße der Modellklasse
Aufschlag für längeren KV-Cache
Reserve für Runtime und gewählten Workflow
nächsthöhere realistische Speicherklasse

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