125 токенов в секунду на RTX 4070 Ti SUPER: как я заставил локальную LLM работать полноценным кодинг-агентом
По статистике, среди рядовых пользователей настольных компов самая распространенная видеокарта имеет 16 ГБ видеопамяти. По опросам GaugeDB, такие карты занимают 27,21% рынка. У меня как раз видеокарта NVIDIA GeForce RTX 4070 Ti SUPER с 16 ГБ видеопамяти GDDR6X, которая на текущий момент стоит 900$. До сего момента главной проблемой было то, что на видеокарте такого класса невозможно было запустить LLM-агента, который будет достаточно умным и достаточно быстрым. Если запускаешь умную модель типа Qwen 3.8 27B (Dense архитектура), то на выходе получаешь 10-20 токенов в секунду. А для комфортной работы кодинг-агента надо 100-150 токенов в секунду.

![🗓 20.03.2006 - Выход The Elder Scrolls IV: Oblivion [вехи_истории] 🗓 20.03.2006 - Выход The Elder Scrolls IV: Oblivion [вехи_истории]](https://habrastorage.org/r/w1560/getpro/habr/upload_files/c97/75c/0d3/c9775c0d36fc021dae196b5db7878f3e.jpg)
