01Was es kann
- Goldmedaille bei der IMO 2025 und der IOI 2025
- Schnelle Inferenz (3B aktive Parameter in der Produktion)
- Passt in Q4 auf eine GPU mit 24 GB
- NVIDIA Open Model License (kommerzielle Nutzung erlaubt)
- —Lizenz NVIDIA Open Model (keine Apache/ MIT)
- —32+ GB in Q4 (Gesamtmodell: 30B)
- —Denkmodus kann bei der Generierung langsam sein
05Installieren
Installieren Sie Ollama für Ihr Betriebssystem. Prüfen Sie das Modell und seine Quantisierung vor dem Download. Beginnen Sie mit einem Kontext von 4096 Tokens und prüfen Sie anschließend mit ollama ps, wo das Modell ausgeführt wird. Ein unten aufgeführter Befehl ist kein Beweis dafür, dass ein Test auf Ihrem Computer ausgeführt wurde.
02Benötigter Speicher
Ungefähr benötigter GPU-VRAM zum Ausführen dieses Modells, einschließlich des Speicherbedarfs für einen Kontext von 4k Tokens. Für einen längeren Kontext rechnen Sie mit zusätzlich ca. 1 GB je 8k Tokens.
Welche Hardware eignet sich für Nemotron Cascade 2 30B-A3B?
Um Nemotron Cascade 2 30B-A3B lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 17 GB VRAM. Eine Option zum Vergleich: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — Halten Sie einen Puffer für das System und den Kontext frei; prüfen Sie die Kompatibilität der Engine mit der GPU.
Warum diese Wahl? Unsere vollständige Übersicht zu GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Affiliate-Links – mögliche Provision ohne Mehrkosten für Sie, unabhängige Empfehlung. Als Amazon-Partner verdient QuelLLM an qualifizierten Käufen.
Unterwegs: Nemotron Cascade 2 30B-A3B läuft auch auf einem RTX-Laptop (24 GB VRAM) →
03Erwartete Geschwindigkeit
Generierte Tokens pro Sekunde in Q4_K_M, Kontext 4k. Jenseits von 20 t/s, lässt es sich angenehm lesen. Bei weniger als 10 t/s, eignet es sich nur zum Testen.
04Öffentliche Benchmarks
Aus Model Cards oder MMLU-Pro-/Community-Quellen übernommene Ergebnisse. Einheit: Anteil korrekter Antworten in %.