Calcular el TPS del GeForce RTX 4070 en modelos locales de IA
Cada modelo en nuestro catálogo se evalúa según esta tarjeta en la longitud de contexto y la calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de esta tarjeta y el tamaño de cada modelo una vez comprimido..
Calculado para esta tarjeta
679 modelos en nuestro catálogo en conjunto
El modelo más grande que sostiene
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 152 tok/s
Modelo más rápido
Gemma 3 QAT 1B
214 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un GeForce RTX 4070?
Establecer las entradas, leer la respuesta
Más contexto significa más memoria para la caché de conversación. La velocidad es para una conversación nueva y no cambia con esta configuración..
Oculta modelos que solo encajarían al ser comprimidos por debajo de este punto.
396 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
214
tok/s
182–256 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
214
tok/s
182–256 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
214
tok/s
128–342 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
214
tok/s
128–342 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
214
tok/s
128–342 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
214
tok/s
128–342 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
198
tok/s
119–316 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
194
tok/s
116–311 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
194
tok/s
116–311 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
194
tok/s
116–311 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
194
tok/s
116–311 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
178
tok/s
107–285 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
178
tok/s
107–285 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
178
tok/s
107–285 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
178
tok/s
107–285 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
174
tok/s
148–208 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
171
tok/s
103–274 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
171
tok/s
103–274 · baja confianza |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k tokens | Q4_K_M | Ajustado |
|
164
tok/s
99–263 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
164
tok/s
99–263 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
164
tok/s
99–263 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
164
tok/s
99–263 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
164
tok/s
99–263 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
164
tok/s
99–263 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
164
tok/s
99–263 · baja confianza |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
GeForce RTX 4070 especificación completa
Todo lo registrado para esta placa, ordenado por cuánto influye en ejecutar un modelo de lenguaje en lugar de cómo lo enumeraría una hoja de especificaciones. La memoria viene primero porque decide el resultado; el resto es contexto..
Memoria
Las dos especificaciones que deciden qué puede ejecutar esta tarjeta y cuán rápido. La capacidad determina qué modelos encajan; el ancho de banda establece cuántos tokens por segundo producen una vez que lo hacen.
- Tamaño de memoria
- 12 GB
- Ancho de banda de memoria
- 504 GB/s
- Tipo de memoria
- GDDR6X
- Ancho de bus de memoria
- 192 bit
- Reloj de memoria
- 1.31 GHz
El chip
Cuál es el procesador en la placa y cómo fue fabricado. Un tamaño de proceso más pequeño generalmente significa más rendimiento para la misma potencia.
- Procesador gráfico
- AD104
- Arquitectura
- Ada Lovelace
- Generación
- GeForce 40
- Fundición
- TSMC
- Tamaño del proceso
- 5 nm
- Transistores
- 35.8 billion
- Densidad de transistores
- 121,800 K/mm²
- Tamaño de die
- 294 mm²
- Lanzado
- 12 April 2023
Velocidades de reloj
Qué tan rápido funciona el procesador. Vale mucho menos aquí que en una prueba de rendimiento de juegos: generar texto está limitado por el ancho de banda de memoria, así que una mayor frecuencia apenas mueve el resultado.
- Frecuencia base
- 1.92 GHz
- Reloj de impulso
- 2.48 GHz
Unidades de procesamiento
Qué contiene el chip. Estos impulsan el rendimiento gráfico y son importantes principalmente para procesar un aviso largo en lugar de producir la respuesta.
- Unidades de sombreado
- 5,888
- Unidades de mapeo de texturas
- 184
- Unidades de salida de renderizado
- 64
- Multiprocesadores de streaming
- 46
- Núcleos Tensor
- 184
- Núcleos de trazado de rayos
- 46
- Caché L1
- 128 KB
- Caché L2
- 36 MB
Rendimiento teórico
Tasas aritméticas máximas publicadas para la placa. Estos son techos que ninguna carga de trabajo real alcanza, y la generación de texto alcanza una pequeña fracción de ellas porque está limitada por la memoria en lugar de la aritmética.
- Media precisión (FP16)
- 29.2 TFLOPS
- Precisión simple (FP32)
- 29.2 TFLOPS
- Doble precisión (FP64)
- 455.4 GFLOPS
- Tasa de píxeles
- 158 GPixel/s
- Tasa de textura
- 455 GTexel/s
La placa
Lo que se necesita para instalar físicamente y alimentar la tarjeta: las limitaciones prácticas que deciden si se ajusta a la máquina que ya posee.
- Consumo de energía (TDP)
- 200 W
- Suministro de energía sugerido
- 550 W
- Conectores de potencia
- 1x 16-pin
- Interfaz de bus
- PCIe 4.0 x16
- Ancho de ranura
- Dual-slot
- Dimensiones
- 240 mm × 40 mm
- Mostrar salidas
- 1x HDMI 2.1, 3x DisplayPort 1.4a
Soporte de software
Qué gráficos y interfaces de computación admite la tarjeta. La capacidad de computación CUDA es la que afecta a la inferencia: por debajo de 7.0 no hay núcleos tensoriales, y el software de inferencia moderno recurre a rutas de código más lentas.
- Capacidad de computación CUDA
- 8.9
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modelo de shader
- 6.8
Listados
Dónde comprar un GeForce RTX 4070
Actualmente, ningún vendedor está listando esta tarjeta. Las listaciones provienen de vendedores que las publican aquí directamente. — navegar el directorio de proveedores ver quién está vendiendo qué.
Qué significan los números
Capacidad y ancho de banda
Memoria
12 GB
Ancho de banda
504 GB/s
Modelo más grande
ERNIE-4.5-21B-A3B
GeForce RTX 4070 lleva 12 GB de GDDR6X. Eso llega cómodamente a modelos pequeños y medianos, aunque los más grandes se quedan fuera de alcance sin dividirlos. La sobrecarga del controlador deja aproximadamente 10.8 GB.
El ancho de banda de VRAM alcanza 504 GB/s a través de un bus de 192 bits. Ese es el número que gobierna la velocidad de generación — la aritmética por byte leído es lo suficientemente pequeña como para que el bus, no los núcleos, sea lo que todos están esperando.
La cifra es el ancho de bus multiplicado por una frecuencia de memoria de 1.31 GHz. Ampliar el bus y aumentar el reloj son las dos palancas que tiene un fabricante, por eso una card con núcleos poco destacables aún puede generar rápidamente.
El techo práctico es ERNIE-4.5-21B-A3B, 21B, comprimido a Q3_K_M y generando alrededor 152 tokens por segundo
El chip y cómo fue construido
GeForce RTX 4070 está construido en el GPU AD104, usando la arquitectura Ada Lovelace desde NVIDIA, como parte de la generación GeForce 40.
El chip es fabricado por TSMC, en un proceso de 5 nm, con un dado que mide 294 mm², sosteniendo 35.8 billion Transistores. Un proceso más pequeño generalmente significa más rendimiento para la misma potencia, aunque para modelos de lenguaje importa mucho menos que el subsistema de memoria.
Fue liberado en April 2023, aproximadamente 3.3037914397013 hace años. El soporte de software de inferencia tiende a seguir al hardware por uno o dos años, por lo que una CARD de esta edad generalmente tiene rutas de código maduras y bien optimizadas disponibles para ella.
Rendimiento de cómputo y por qué importa menos de lo que parece
FP16
29.2 TFLOPS
FP64
455.4 GFLOPS
Núcleos Tensor
184
En papel GeForce RTX 4070 alcanza 29.2 TFLOPS a media precisión, y 29.2 TFLOPS a simple precisión. Estas son cifras pico que ninguna carga de trabajo real sostiene, y generar texto alcanza solo una pequeña fracción de ellas; la decodificación está limitada por la memoria en lugar de la aritmética, por lo que una tarjeta puede parecer enormemente poderosa aquí y aún así producir tokens a una tasa ordinaria.
El rendimiento de doble precisión alcanza 455.4 GFLOPS. No tiene relevancia para ejecutar un modelo de lenguaje — ninguna ejecución de inferencia lo utiliza — pero separa las partes de los centros de datos de las de consumo, ya que estas últimas lo restringen deliberadamente.
La tarjeta lleva 184 Núcleos Tensor a través 46 Multiprocesadores de streaming. Estos aceleran la aritmética de matrices en el corazón de un transformador, y son lo que hace que el procesamiento de solicitudes — leer un documento largo antes de responder — sea drásticamente más rápido de lo que sería de otra manera.
Las frecuencias funcionan desde una base de 1.92 GHz a un aumento de 2.48 GHz. Vale mucho menos aquí que en un benchmark de juegos: aumentar las velocidades del reloj acelera la aritmética, y la aritmética no es lo que la generación está esperando.
Cache y unidades de procesamiento
GeForce RTX 4070 tiene una caché L1 de 128 KB, respaldado por una caché L2 de 36 MB. La caché absorbe una parte del tráfico de memoria que de otro modo impactaría en el bus principal, que es el único lugar en esta página donde un número diferente al ancho de banda afecta silenciosamente la velocidad de generación — un gran L2 permite que más del conjunto de trabajo permanezca cerca de los núcleos.
Hay 5,888 Unidades de sombreado, 184 Unidades de mapeo de texturas, y 64 Unidades de salida de renderizado. Estos manejan cargas de trabajo gráficas y contribuyen al procesamiento de prompts, pero permanecen inactivos durante gran parte del tiempo que un modelo pasa generando una respuesta.
Potencia, tamaño e instalación
Consumo de energía
200 W
GeForce RTX 4070 está clasificado en 200 , y la fuente de alimentación del sistema sugerida es 550 . Ejecutar un modelo de lenguaje mantiene una tarjeta ocupada en ráfagas en lugar de continuamente — consume recursos mientras genera e inactiva entre solicitudes — por lo que el consumo sostenido durante un día laboral suele estar muy por debajo de la cifra nominal.
La placa ocupa dual-slot, medir 240 mm largo, y necesita 1x 16-pin. Vale la pena comprobar con el caso y la fuente de alimentación ya en la máquina, ya que las tarjetas más grandes necesitan considerablemente más de ambos que lo que proporciona un escritorio típico.
Se conecta a través de PCIe 4.0 x16. La interfaz determina qué tan rápido se carga un modelo desde el disco en la tarjeta, no qué tan rápido se ejecuta una vez allí, así que un enlace más estrecho cuesta unos segundos al inicio y nada después.
Los extremos
Los modelos de IA más grandes que se ejecutan en una GeForce RTX 4070
Los modelos más grandes de peso abierto que caben en esta tarjeta, los más nuevos primero. Cada uno se muestra con la mejor compresión que la tarjeta puede contener..
Los modelos de IA más rápidos en un GeForce RTX 4070
Donde esta tarjeta produce tokens más rápido. Modelos más pequeños dominan aquí, porque generar cada token significa leer todo el modelo de la memoria una vez..
Paso a paso
Cómo calcular los tokens por segundo de un GeForce RTX 4070
No tienes que calcular nada a mano: la calculadora de gputps.com en esta página ya lo ha resuelto para cada modelo que esta tarjeta puede contener. Leer la respuesta lleva seis pasos..
-
01
Comienza con el modelo, no la especificación.
La tabla enumera 396 modelos que esta tarjeta puede ejecutar. Buscar por nombre o por tamaño — escribir 27b coincide con el conteo de parámetros incluso cuando el nombre nunca lo indica.
-
02
Establece la longitud de contexto que realmente usarás
Arrastre el control deslizante a la longitud de conversación en la que planea trabajar. La caché crece con la conversación, y contra una tarjeta que sostiene 12 GB a menudo es lo que lleva a un gran modelo al límite.
-
03
Fija la comparación a un nivel de calidad
La compresión es lo que permite que modelos más grandes quepan. El control de calidad descarta cualquier modelo que necesite más de esto de lo que estás dispuesto a dar.
-
04
Lee la velocidad y el rango
Las cifras son calculadas, no medidas. El resultado más rápido en esta tarjeta es 214 tok/s en Gemma 3 QAT 1B. La misma CARD y modelo varían entre el treinta y el cincuenta por ciento entre los tiempos de ejecución de inferencia.
-
05
Verifica el margen antes de decidir
La columna de ajuste separa los modelos que apenas encajan de aquellos con espacio de sobra — vale la pena comprobarlo antes de decidirse por uno, contra un disponible. 12 GB.
-
06
Verificar con otro hardware
Cada página del modelo repite este cálculo para todo el catálogo. Vale la pena echar un vistazo antes de decidir: muestra qué más ejecuta el mismo modelo, junto a GeForce RTX 4070.
Respuestas
GeForce RTX 4070 — preguntas comunes
GeForce RTX 4070— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 214 tokens por segundo, mientras que los modelos más grandes funcionan proporcionalmente más lentos porque cada token requiere leer todo el modelo de la memoria una vez. Las velocidades son estimaciones para una sola conversación a la vez.
GeForce RTX 4070— ¿Puede ejecutarse? 7B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeek Coder 6.7B en Q6_K, usando alrededor 9.9 GB de VRAM y generando alrededor 46.3 tokens por segundo
GeForce RTX 4070— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeekMoE-16B en Q4_K_M, usando alrededor 10.0 GB de VRAM y generando alrededor 171 tokens por segundo
GeForce RTX 4070— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 12 GB de GDDR6X. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 10.8 GB disponible para un modelo y su conversación.
GeForce RTX 4070— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 504 GB/s a través de un bus de 192 bits. Este es el único mejor predictor de qué tan rápido genera texto, porque producir cada token significa leer todo el modelo fuera de la memoria una vez.
GeForce RTX 4070— ¿qué tipo de memoria utiliza?
Utiliza GDDR6X funcionando a 1.31 GHz. Los tipos de HBM se encuentran en aceleradores de datacenters y llevan mucho más ancho de banda que el GDDR utilizado en tarjetas de escritorio, razón por la cual generan tokens considerablemente más rápido a la misma capacidad.
GeForce RTX 4070— ¿Quién lo hace?
Este es un producto de NVIDIA, con el chip fabricado por TSMC, en un proceso de 5 nm.
GeForce RTX 4070— ¿cuándo fue lanzado?
Fue liberado en April 2023.
GeForce RTX 4070— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 200 , y la fuente de alimentación del sistema sugerida es 550 . Generar texto consume mucho en ráfagas y permanece inactivo entre solicitudes, por lo que el consumo promedio durante una sesión de trabajo está normalmente muy por debajo de la cifra nominal.
GeForce RTX 4070— cuánta caché tiene?
La caché L1 es 128 KB, y la caché L2 es 36 MB. La caché absorbe parte del tráfico de memoria que de otro modo alcanzaría el bus principal, por lo que un L2 más grande proporciona un leve aumento en la velocidad de generación más allá de lo que la banda ancha por sí sola predice.
GeForce RTX 4070— ¿cuáles son sus TFLOPS?
Está calificado en 29.2 TFLOPS a media precisión y 29.2 TFLOPS a precisión simple. Estos son techos aritméticos máximos en lugar de tasas alcanzables, y la generación de texto alcanza solo una pequeña fracción de ellos porque está limitada por el ancho de banda de memoria en su lugar.
GeForce RTX 4070— ¿Cuántos núcleos Tensor tiene?
Tiene 184 Núcleos Tensor a través 46 Multiprocesadores de streaming. Aceleran la aritmética matricial de la que se construye un TRANSFORMADOR, lo que principalmente acelera el procesamiento de un PROMPT largo en lugar de producir la respuesta.
GeForce RTX 4070— ¿Soporta CUDA?
Sí. Informa sobre la capacidad de cómputo CUDA. 8.9. La capacidad 7.0 y superior tiene núcleos tensor, que el software de inferencia moderno utiliza; por debajo de eso, se retrocede a rutas de código más lentas para modelos cuantizados.
GeForce RTX 4070— ¿Qué interfaz de bus utiliza?
Utiliza PCIe 4.0 x16. Esto rige qué tan rápido se carga un modelo en la tarjeta en lugar de qué tan rápido se ejecuta una vez cargado, por lo que cuesta unos segundos al inicio y nada durante la generación.
GeForce RTX 4070— ¿Es bueno para ejecutar modelos de IA locales?
Su memoria cubre modelos pequeños y medianos, aunque los más grandes están fuera de alcance y su ancho de banda ofrece velocidades de generación utilizables, aunque no espectaculares. En total, se ejecuta 396 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
GeForce RTX 4070— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Solo parcialmente. Capas más allá de la tarjeta. 12 GB sentarse en la memoria del sistema y ejecutarse a una fracción de la velocidad, por lo que un modelo principalmente descargado rara vez vale la pena usar. Cada cifra aquí asume que está completamente residente en la tarjeta.
¿Serían dos GeForce RTX 4070 ¿Las tarjetas serán dos veces más rápidas?
La capacidad se suma, el rendimiento no. Dos de ellos te dan 24 GB trabajar con en lugar de el doble de tokens por segundo — cada cifra aquí es para una sola tarjeta.
GeForce RTX 4070— ¿Qué modelos de IA puede ejecutar?
396 de la 679 modelos de lenguaje de open-weight que seguimos se ajustan en esta card y pueden ser ejecutados localmente. La tabla en esta página lista cada uno, con la memory que necesita, la cuantificación a la que funciona y una velocidad de generación estimada.
GeForce RTX 4070— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es ERNIE-4.5-21B-A3B en 21B parámetros, comprimido a Q3_K_M. Genera aproximadamente 152 tokens por segundo y necesita aproximadamente 10.1 GB de la memoria de la tarjeta.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el hardware. Si ya sabes qué modelo quieres y necesitas saber qué se necesita para ejecutarlo., Comienza desde el modelo en su lugar..