Найдите в таблице ниже строку со своим объёмом памяти и читайте только её. В этом весь смысл материала: обзоры моделей организованы от моделей, а человек со старым ноутбуком приходит с другой стороны — у него есть фиксированное железо и вопрос, что на нём вообще запустится.
Сразу о том, чего в статье нет. Здесь нет имён конкретных версий с номерами: они меняются каждый квартал, и таблица с ними протухла бы раньше, чем вы её прочтёте. Вместо этого указан класс модели — размер в миллиардах параметров и семейство, — а конкретную актуальную версию этого класса вы найдёте в реестре моделей за минуту. Дата написания — 25 августа 2026 года.
Второе, чего здесь нет, — обещания, что на слабом железе работает всё. Не всё. Ниже честно сказано, какие задачи закрываются на каждом уровне, а какие не закрываются никак.
#Какую строку считать своей
Прежде чем смотреть в таблицу, определитесь, какое именно число подставлять.
Если есть дискретная видеокарта — ваше число это её видеопамять, а не оперативная память компьютера. Модель, целиком помещённая в видеопамять, работает в разы быстрее той же модели, наполовину выгруженной в оперативную.
Если дискретной карты нет — ваше число это оперативная память, из которой нужно вычесть то, что занимают система и браузер. На машине с 8 ГБ реально доступно порядка 4–5 ГБ.
Если у вас Apple с объединённой памятью — считайте примерно 70% от общего объёма: остальное нужно системе.
Размер файла модели считается арифметикой: число параметров умножается на байты на параметр. В четырёхбитной квантизации это примерно 0,55 байта, то есть модель на 3 миллиарда параметров весит около 1,7 ГБ, на 7 миллиардов — около 4 ГБ. К этому добавляется память под контекст, которая растёт с длиной диалога. Подробный расчёт с поправками — в материале о том, сколько нужно VRAM для локальной модели, а разбор самих уровней сжатия — в справке про квантизацию и разницу между Q4, Q5 и Q8.
#Таблица: память, что ставить, чего ждать
В таблице смотрите не на вторую колонку, а на третью. Вторая говорит, что запустится, третья — станете ли вы этим пользоваться дольше недели. Это разные вопросы, и на слабом железе они расходятся сильнее всего.
| Память | Класс моделей | Чего ожидать |
|---|---|---|
| Только ОЗУ, без карты | 1–2 млрд в Q4; 3–4 млрд в Q4 при 16 ГБ ОЗУ | Ответ идёт медленно, читается по словам. Годится для переформулирования, коротких писем, извлечения фактов из текста |
| 4 ГБ VRAM | 3–4 млрд в Q4 из семейств Qwen, Gemma, Phi | Быстрые короткие ответы, короткий контекст. Логика на несколько шагов рассыпается |
| 6 ГБ VRAM | 7–8 млрд в Q4 с урезанным контекстом; 3–4 млрд с длинным | Полноценный собеседник для бытовых задач. Придётся выбирать между размером модели и длиной диалога |
| 8 ГБ VRAM | 7–8 млрд в Q4 или Q5 | Массовый сценарий, под который оптимизируют почти всё. Комфортная работа с текстом, простой код |
| 12 ГБ VRAM | 12–14 млрд в Q4; 7–8 млрд в Q5 с длинным контекстом | Заметно связнее длинные ответы. Это уже не слабое железо |
| Apple, 8–16 ГБ общей | 3–4 млрд при 8 ГБ; 7–8 млрд при 16 ГБ | Работает ровно, память общая с системой — держите запас, иначе начнётся вытеснение |
Главный вывод из таблицы: граница полезности проходит не там, где модель перестаёт запускаться, а там, где вы перестаёте ждать ответа. На первых двух строках запускается почти любая модель — вопрос в том, что ответа на длинный запрос придётся ждать минуты. Именно поэтому в первой строке стоит компактный класс, а не «поставьте семимиллиардную, она тоже пойдёт».
Отдельно про самый частый случай — ноутбук без дискретной карты. Он заслуживает собственного разбора, потому что там решает не только объём памяти, но и её пропускная способность и число ядер процессора; практические замеры и настройки собраны в материале про запуск LLM на ноутбуке без видеокарты.
#Что именно меняется от строки к строке
Между уровнями меняются три вещи, и не в одинаковой пропорции.
Скорость. При прочих равных время генерации растёт примерно пропорционально числу параметров. Переход с четырёхмиллиардной модели на восьмимиллиардную примерно удваивает время ответа — если обе помещаются в память целиком. Если вторая не помещается и часть слоёв уходит в оперативную память, замедление становится непропорциональным, и модель поменьше оказывается практичнее.
Длина контекста. Это то, чем на слабом железе жертвуют в первую очередь и о чём потом жалеют. Память под контекст растёт линейно с его длиной, и на карте с 6 ГБ выбор стоит буквально так: либо модель побольше с коротким диалогом, либо поменьше с длинным.
Класс задач. Здесь разрыв самый резкий. Переформулирование, короткие письма, извлечение фактов из данного текста, простая классификация работают уже на компактных моделях. Многошаговая логика, разбор незнакомого кода, длинные документы не работают до 7–8 миллиардов, а по-настоящему до 12–14. Что даёт массовый средний класс и где у него потолок, разобрано в сравнении моделей на 7–8 миллиардов параметров.
Отдельный случай — компактные модели, обученные на тщательно отобранных данных. Они ломают ожидание «меньше параметров, значит хуже во всём»: на задачах с чистой формулировкой такая модель ведёт себя как модель следующего класса, а на грязных реальных текстах и на неанглийских языках проваливается. Разбор эффекта — в обзоре семейства Phi и его сильных и слабых сторон.
#Где облачный API объективно лучше
Раздел обязательный, потому что для части читателей правильный ответ — не строка из таблицы.
На слабом железе облачная модель даёт качество, которого локально не получить ни при какой настройке. Разрыв между компактной моделью и топовой облачной в сложных рассуждениях реален и велик, и закрыть его квантизацией, промптом или терпением нельзя. Если ваша задача — разбор запутанного кода, длинные документы или многошаговая логика, а железо у вас на первых двух строках таблицы, то честный совет: берите облачный API и не мучайте ноутбук.
Цена этого решения тоже называется прямо: текст каждого запроса уходит провайдеру. Локальный запуск выигрывает не качеством ответа, а тем, что содержимое переписки остаётся на вашей машине, и тем, что расход не зависит от числа запросов.
#Кому что подойдёт
- Ноутбук без дискретной карты, нужен помощник по тексту — компактная модель на 3–4 миллиарда, короткий контекст, реалистичные ожидания.
- Карта на 6–8 ГБ, разнообразные задачи — средний класс на 7–8 миллиардов в четырёхбитной квантизации. Оптимальное соотношение для домашней машины.
- Слабое железо, но задачи сложные — облачный API, с пониманием, куда уходит текст.
- Не уверены, что берёте — сначала посчитайте бюджет памяти и соберите набор своих задач, как описано в разборе того, какую модель выбрать под задачу и железо.
#Частые вопросы
#Какая модель подойдёт для компьютера без видеокарты?
Компактная модель на 1–4 миллиарда параметров в четырёхбитной квантизации. Она займёт от 1 до 2,5 ГБ и будет работать на процессоре: медленно, но пригодно для переформулирования, коротких писем и извлечения фактов из текста. Многошаговых рассуждений от этого класса ждать не стоит.
#Можно ли запустить модель на 7 миллиардов параметров с 4 ГБ видеопамяти?
Технически запустится за счёт выгрузки части слоёв в оперативную память, но скорость упадёт непропорционально, и пользоваться этим ежедневно вы не станете. На 4 ГБ практичнее модель на 3–4 миллиарда, помещающаяся в память целиком.
#Что важнее на слабом железе — размер модели или уровень квантизации?
При фиксированном объёме памяти обычно выигрывает модель побольше в более агрессивной квантизации, но только пока она помещается целиком. Ниже четырёх бит деградация становится заметной, а выгрузка в оперативную память съедает весь выигрыш.
#Сколько оперативной памяти нужно, если видеокарты нет?
Ориентируйтесь на объём модели плюс память под контекст плюс то, что заняли система и браузер. На машине с 8 ГБ реально доступно порядка 4–5 ГБ, чего хватает на компактный класс; 16 ГБ открывают модели на 3–4 миллиарда с запасом.
#Стоит ли покупать видеокарту ради локальной модели?
Если вы уже пользуетесь моделью ежедневно и упираетесь в скорость или в длину контекста — да, и смотреть нужно в первую очередь на объём видеопамяти, а не на игровую производительность. Если вы ещё не проверили, войдёт ли модель в вашу повседневную работу, дешевле сначала месяц поработать на облачном API.
#Вывод
Если ваша строка — первые две, берите компактный класс и не верьте, что модель побольше «тоже пойдёт»: пойдёт, но пользоваться вы ей не будете. Если у вас 6–8 ГБ видеопамяти, вы попадаете в массовый сценарий, и выбор между семействами здесь значит меньше, чем правильно выставленная длина контекста. Если задачи сложнее того, что даёт ваше железо, честный вариант — облачный API с ясным пониманием, что текст запросов уходит наружу.
И проверяйте на своих задачах, а не на чужих отзывах: слабое железо тем и отличается, что разница между «работает» и «работает приемлемо» на нём измеряется секундами ожидания, а не баллами в таблице.