Interactieve hardwarekiezer

Welke AI-pc past bij jouw lokale LLM?

Vier keuzes geven een concrete voorselectie. De pc-kiezer schat modelgewichten, contextcache en runtime-reserve en vergelijkt de uitkomst met complete systemen uit onze bijgehouden catalogus.

Jouw eisen

Bereken geheugen en passende systemen

De berekening schat het snelle geheugen voor gekwantiseerde inferentie en toont compatibele configuraties. Het is geen prestatiebelofte.

1 Welke modelgrootte wil je lokaal draaien?

Jouw geheugenklasse

16 GB snel geheugen als startpunt

Geschatte behoefte7–9 GBModel + context + reserve
Aanbevolen klasse16 GB VRAMlosse GPU
Passend systeemtypePc met middenklasse-GPUmet minimaal 32 GB systeem-RAM

Waarom past deze hardwareklasse?

    Concrete resultaten uit de catalogusDe selectie houdt rekening met geheugen, hardwarepad, prioriteit en budget.
    Bekijk resultaten

    Concrete complete systemen

    Passende modellen voor jouw selectie

    De catalogusconfiguraties worden met het resultaat vergeleken.

    Systeemcatalogus laden…

    Bekijk alle systemen en verschillen

    Wat de berekening bevat

    Voorzichtige reserve

    • typische Q4-gewichtsgrootte van de gekozen modelklasse
    • toeslag voor een langere KV-cache
    • reserve voor runtime en gekozen toepassing
    • vergelijking met het geheugen van concrete systemen

    Wat geen rekenhulp exact weet

    Model en software blijven bepalend

    • de precieze architectuur en kwantisatie
    • Flash Attention en backendondersteuning
    • multimodale encoders en gelijktijdige gebruikers
    • hoeveel unified memory het systeem werkelijk vrijgeeft

    Volgende stap

    Begrijp de geheugenwaarden achter het resultaat

    Onze VRAM-gids legt modelgewichten, KV-cache, offloading en unified memory helder uit.

    Lees de VRAM-gids