Modelos / Phi
Phi-4 Mini 3.8B
Pequeno da Microsoft, forte em lógica para o tamanho.
- Parâmetros
- 3.8B
- Contexto máximo
- 128K
- Placa mínima
- 6 GB de VRAM
- Mac mínimo
- 8 GB
Microsoft · licença mit · mínimos com Q4_K_M e 8K de contexto
Rodar no Ollama
- Q4_K_M
ollama run phi4-mini:3.8b - Q8_0
ollama run phi4-mini:3.8b-q8_0 - FP16
ollama run phi4-mini:3.8b-fp16
Quanta memória precisa
Total com pesos, KV cache e runtime, por quantização e contexto.
| Quantização | 4K | 8K | 32K | 128K |
|---|---|---|---|---|
| Q4_K_M | 3,4 GB | 4 GB | 7,8 GB | 22,8 GB |
| Q5_K_M | 3,8 GB | 4,4 GB | 8,2 GB | 23,2 GB |
| Q8_0 | 5,2 GB | 5,9 GB | 9,6 GB | 24,6 GB |
| FP16 | 9,1 GB | 9,7 GB | 13,5 GB | 28,5 GB |
Placas que rodam
- RTX 5060 Ti 8 GB 8 GBRoda bem≈ 122 tok/s
- RTX 5060 8 GBRoda bem≈ 122 tok/s
- RTX 5050 8 GBRoda bem≈ 87 tok/s
- RTX 4060 Ti 8 GB 8 GBRoda bem≈ 79 tok/s
- RTX 4060 8 GBRoda bem≈ 74 tok/s
- Radeon RX 7600 8 GBRoda bem≈ 64 tok/s
- RTX 5070 12 GBRoda bem≈ 183 tok/s
- RTX 4070 Super 12 GBRoda bem≈ 138 tok/s
- RTX 4070 12 GBRoda bem≈ 138 tok/s
- RTX 3060 12 GB 12 GBRoda bem≈ 98 tok/s
- Radeon RX 7700 XT 12 GBRoda bem≈ 95 tok/s
- Arc B580 12 GBRoda bem≈ 91 tok/s
- RTX 5080 16 GBRoda bem≈ 262 tok/s
- RTX 5070 Ti 16 GBRoda bem≈ 245 tok/s
- RTX 4080 Super 16 GBRoda bem≈ 201 tok/s
- RTX 4070 Ti Super 16 GBRoda bem≈ 183 tok/s
- Radeon RX 9070 XT 16 GBRoda bem≈ 141 tok/s
- Radeon RX 9070 16 GBRoda bem≈ 141 tok/s
- Radeon RX 7800 XT 16 GBRoda bem≈ 138 tok/s
- RTX 5060 Ti 16 GB 16 GBRoda bem≈ 122 tok/s
- RTX 4060 Ti 16 GB 16 GBRoda bem≈ 79 tok/s
- Radeon RX 9060 XT 16 GB 16 GBRoda bem≈ 71 tok/s
- Radeon RX 7600 XT 16 GBRoda bem≈ 64 tok/s
- Radeon RX 7900 XT 20 GBRoda bem≈ 177 tok/s
- RTX 4090 24 GBRoda bem≈ 275 tok/s
- RTX 3090 24 GBRoda bem≈ 255 tok/s
- Radeon RX 7900 XTX 24 GBRoda bem≈ 212 tok/s
- RTX 5090 32 GBRoda bem≈ 489 tok/s
Macs
- M5a partir de 16 GB · ≈ 43 tok/s
- M5 Proa partir de 24 GB · ≈ 86 tok/s
- M5 Maxa partir de 36 GB · ≈ 102 tok/s
- M4a partir de 16 GB · ≈ 34 tok/s
- M4 Proa partir de 24 GB · ≈ 77 tok/s
- M4 Maxa partir de 36 GB · ≈ 90 tok/s
Arquitetura
- 32 camadas, 8 cabeças de KV de 128 dimensões.
- Cada token de contexto ocupa cerca de 128 KB de KV cache em F16.
Fontes: config.json · arquivo de pesos · atualizado em 16/10/2026