Tool · 사양 계산기
내 PC로 어떤 AI 모델 돌릴까
그래픽카드와 램을 고르면 스테이블 디퓨전 1.5 · SDXL · SD 3.5 · Flux · 영상 모델(Wan · LTX) · 로컬 LLM(3B~70B)이 됨 / 조건부 / 어려움 중 어디인지, 왜 그런지, 다음에 읽을 글이 무엇인지 한 번에 나온다.
이 계산기가 하는 일
로컬 AI 이미지에서 처음 막히는 자리는 설치가 아니라 그래픽카드 메모리(VRAM)다. 모델 가중치 파일이 VRAM에 올라가야 그림이 나오는데, 파일 크기는 SD 1.5가 4GB대, SDXL이 7GB, Flux 원본이 24GB로 모델마다 다섯 배 넘게 차이가 난다. 그래서 «내 카드로 될까»라는 질문은 모델 이름을 빼고는 답할 수 없고, 반대로 모델별로 한 번 표를 만들어 두면 카드 이름만 넣어도 답이 나온다. 이 쪽은 그 표를 계산기로 만든 것이다.
쓰는 법은 세 칸이다. 그래픽카드를 목록에서 고르거나(목록에 없으면 «직접 입력»에 VRAM GB), 시스템 램 용량을 넣고, 원하면 남은 저장 공간을 적은 뒤 «확인»을 누른다. 결과는 모델마다 됨 · 조건부 · 어려움 세 칸 중 하나와 그 이유, 조건부일 때 바꿀 설정, 이어 읽을 글이 붙어 나온다. 주소 뒤에 입력값이 붙으므로 «주소 복사»로 결과를 그대로 다른 사람에게 보낼 수 있다. 키보드만으로도 쓸 수 있다(Tab으로 칸 이동 · Enter로 확인).
숫자는 전부 공식 자료다. 모델은 Hugging Face 공식 조직의 모델 카드와 파일 크기, 공식 GitHub README, ComfyUI 공식 문서 문장에서, 그래픽카드 메모리는 NVIDIA · AMD · Intel · Apple 제조사 사양 페이지에서 가져왔고, 표 아래에 출처 주소와 확인한 날짜를 모두 적었다. 이 사이트가 직접 잰 속도나 남의 블로그 실측은 섞지 않았다. 대신 공식 숫자가 없는 자리는 «공식 파일 크기 + 1GB» 같은 규칙으로 기준을 세우고 그 규칙을 아래 «어떻게 판단하나»에 그대로 공개했다. 그래서 결과는 «대략 이 선»이지 «꼭 된다·안 된다»가 아니다.
결과
판정은 공식 숫자에 아래 규칙을 적용한 «대략»의 선이다. 조건부 = 공식 문서가 안내한 절약 설정으로 돌아가지만 느려지거나 해상도를 낮춰야 한다는 뜻.
예시 구성(RTX 2060 6GB · 램 32GB)을 부품까지 보고 싶다면 → 이 사양 PC 직접 보기(3D 분해)
어떻게 판단하나
판정은 세 숫자만으로 한다. 모델 가중치 파일 크기(공식 저장소의 safetensors 크기), 공식 문서가 밝힌 메모리 숫자(있을 때만), 그리고 내 PC의 VRAM과 램. 가중치는 VRAM에 올라가야 빠르게 돌고, 모자라면 램으로 밀려나 느려지며, 둘 다 모자라면 메모리 부족으로 멈춘다. 이 세 상태가 그대로 됨 · 조건부 · 어려움이다.
이미지·영상 모델
- 됨 — VRAM이 «기준 VRAM» 이상이고 램이 «됨 램» 이상. 기준 VRAM은 공식 문서에 숫자가 있으면 그 값(SD 3.5 Medium 9.9GB · Wan 2.1 1.3B 8.19GB · Wan 2.2 5B 24GB · LTX 2B 8GB), 없으면 공식 파일 크기 + 1GB 작업 여유(SD 1.5 4.27 + 1 · SDXL 6.94 + 1 · Flux fp8 17.2 + 1).
- 조건부 — VRAM이 기준 아래지만 «조건부 VRAM» 이상이고 램이 «조건부 램» 이상. 조건부 VRAM은 공식 절약 설정이 가리키는 선이다. ComfyUI README의 «4GB vram + 8GB ram»이 바닥이고, Flux 계열은 fp8 텍스트 인코더와 오프로드가 필요해 8GB부터, Wan 2.2 5B는 ComfyUI 문서의 «8GB vram with native offloading»을 따랐다. 램이 «됨 램»에 못 미치면 VRAM이 충분해도 조건부로 내린다(모델을 램에 먼저 올리는 ComfyUI 동작 때문).
- 어려움 — 그 아래. 또는 공식 최소치가 소비자용 카드 범위(최대 32GB)를 넘는 모델(HunyuanVideo 45GB · Wan 2.2 14B 80GB)은 카드가 무엇이든 어려움으로 둔다. 공식 숫자가 없는 축소 판으로 되는지는 판정하지 않는다.
로컬 LLM
- 됨 — ollama 라이브러리에 표시된 기본 태그 크기 + 2GB(문맥 캐시 여유)가 VRAM에 들어갈 때. ollama 문서는 GPU 추론 때 모델이 «완전히 VRAM에 들어가야» 한다고 쓴다.
- 조건부 — VRAM엔 안 들어가지만 램이 파일 크기 + 3GB 이상일 때. CPU와 나눠 돌리므로 느리다. ollama 라이브러리의 «7b models generally require at least 8GB of RAM»과 같은 비율이다.
- 어려움 — 둘 다 아닐 때.
맥(애플 실리콘)
애플 사양 표기가 «통합 메모리»라서 VRAM과 램을 같은 값으로 센다. GPU가 그중 얼마를 쓸 수 있는지 공식 숫자가 없어 이 칸은 다른 카드보다 더 «대략»이다. ComfyUI README는 애플 실리콘(M1~M4) 설치를 지원한다고 쓰지만, 영상 모델 README(Wan · HunyuanVideo)는 NVIDIA 기준이라 맥에서는 «공식 자료 없음»으로 둔다.
이 계산기가 하지 않는 것
속도 예측, 특정 카드의 실측 비교, LoRA 학습 사양(추론보다 훨씬 크다), 커뮤니티가 만든 GGUF·NF4 축소 판의 판정은 하지 않는다. 학습 사양은 LoRA 학습 입문 — kohya 사양에, 카드를 새로 살 때의 기준은 ComfyUI 그래픽카드 — VRAM 8·12·16GB 고르기에 따로 있다.
모델별 기준표 (확인 2026. 11. 6)
계산기가 쓰는 값 그대로다. «기준 VRAM»이 됨의 선, «조건부 VRAM»(LLM은 조건부 램)이 조건부의 선이다. 파일 크기는 공식 저장소 표시값, 기준 출처 칸은 그 숫자를 어디서 가져왔는지다.
| 모델 | 파일 크기 | 기준 VRAM(됨) | 조건부 VRAM | 기준 출처 | 공식 자료 |
|---|---|---|---|---|---|
| Stable Diffusion 1.5 | 4.27GB | 5.3GB | 4GB | 파일 4.27GB + 1GB | Hugging Face · stable-diffusion-v1-5 파일 목록 · Hugging Face · stable-diffusion-v1-5 모델 카드 |
| Stable Diffusion XL 1.0 (Base) | 6.94GB | 7.9GB | 4GB | 파일 6.94GB + 1GB | Hugging Face · stable-diffusion-xl-base-1.0 파일 목록 · Hugging Face · SDXL 모델 카드 |
| Stable Diffusion 3.5 Medium | 5.11GB | 9.9GB | 4GB | 스태빌리티 공지 9.9GB(텍스트 인코더 제외) | Stability AI · Introducing Stable Diffusion 3.5 · Hugging Face · stable-diffusion-3.5-medium 파일 목록 |
| Stable Diffusion 3.5 Large | 16.5GB | 17.5GB | 8GB | 파일 16.5GB + 1GB | Hugging Face · stable-diffusion-3.5-large 파일 목록 · ComfyUI 예제 · SD3 · Stability AI · Introducing Stable Diffusion 3.5 |
| FLUX.1 [dev] · [schnell] (fp8 체크포인트 기준) | 17.2GB | 18.2GB | 8GB | fp8 파일 17.2GB + 1GB | Hugging Face · black-forest-labs/FLUX.1-dev · Hugging Face · Comfy-Org/flux1-dev 파일 목록 · ComfyUI 공식 문서 · Flux.1 Text to Image · ComfyUI 예제 · Flux |
| FLUX.1 Kontext [dev] (그림 고치기) | 23.8GB | 18.2GB | 8GB | dev 와 같은 12B · fp8 판 기준(dev fp8 17.2GB + 1GB 와 같이 봄) | Hugging Face · FLUX.1-Kontext-dev 파일 목록 · ComfyUI 예제 · Flux |
| Wan 2.1 T2V-1.3B (480P) | — | 8.19GB | 6GB | 공식 README 8.19GB | GitHub · Wan-Video/Wan2.1 README |
| Wan 2.2 TI2V-5B (720P) | — | 24GB | 8GB | 공식 README ≥24GB(RTX 4090) · ComfyUI 문서 «8GB vram with native offloading» | GitHub · Wan-Video/Wan2.2 README · ComfyUI 공식 문서 · Wan2.2 |
| Wan 2.2 T2V/I2V-A14B | — | 80GB | 80GB | 공식 README ≥80GB | GitHub · Wan-Video/Wan2.2 README |
| HunyuanVideo | — | 45GB | 45GB | 공식 README 최소 45GB(544×960) · 60GB(720×1280) · 권장 80GB | GitHub · Tencent-Hunyuan/HunyuanVideo README |
| LTX-Video 2B (distilled) | 6.34GB | 8GB | 5.5GB | 공식 README «RTX 4060 (8GB VRAM)» | GitHub · Lightricks/LTX-Video README · Hugging Face · Lightricks/LTX-Video 파일 목록 |
| LTX-Video 13B (dev · fp8 판 기준) | 15.7GB | 16.7GB | 8GB | fp8 파일 15.7GB + 1GB | Hugging Face · Lightricks/LTX-Video 파일 목록 · GitHub · Lightricks/LTX-Video README |
| 로컬 LLM 3B급 (llama3.2:3b) | 2GB | 4GB | RAM 5GB | 파일 2.0GB + 2GB | ollama.com · llama3.2 |
| 로컬 LLM 7B급 (mistral · deepseek-r1:7b · qwen2.5-coder:7b) | 4.7GB | 6.7GB | RAM 7.7GB | 파일 4.7GB + 2GB | ollama.com · mistral · ollama.com · deepseek-r1 · ollama.com · llama2 (Memory requirements) |
| 로컬 LLM 8B급 (llama3.1:8b · qwen3:8b · deepseek-r1:8b) | 5.2GB | 7.2GB | RAM 8.2GB | 파일 5.2GB + 2GB | ollama.com · llama3.1 · ollama.com · qwen3 |
| 로컬 LLM 12B급 (gemma3:12b) | 8.2GB | 10.2GB | RAM 11.2GB | 파일 8.2GB + 2GB | ollama.com · gemma3 |
| 로컬 LLM 14B급 (qwen3:14b · phi4 · deepseek-r1:14b) | 9.3GB | 11.3GB | RAM 12.3GB | 파일 9.3GB + 2GB | ollama.com · phi4 · ollama.com · qwen3 |
| 로컬 LLM 27B급 (gemma3:27b) | 17GB | 19GB | RAM 20GB | 파일 17GB + 2GB | ollama.com · gemma3 |
| 로컬 LLM 32B급 (qwen3:32b · deepseek-r1:32b · qwen2.5-coder:32b) | 20GB | 22GB | RAM 23GB | 파일 20GB + 2GB | ollama.com · qwen2.5-coder |
| 로컬 LLM 70B급 (llama3.1:70b · deepseek-r1:70b) | 43GB | 45GB | RAM 46GB | 파일 43GB + 2GB | ollama.com · llama3.1 · ollama.com · llama2 (Memory requirements) |
그래픽카드 메모리 목록 (84종 · 제조사 사양)
같은 이름에 메모리 판이 둘인 카드(RTX 3060 12GB·8GB 등)는 따로 적었다. 노트북용 카드는 제조사 페이지에 메모리가 적힌 것만 넣었다.
| 제조사 | 카드 | 메모리 | 출처 |
|---|---|---|---|
| NVIDIA | GeForce RTX 5090 | 32GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3090 | 24GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3090 Ti | 24GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4090 | 24GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4060 Ti 16GB | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4070 Ti SUPER | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4080 | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4080 SUPER | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5060 Ti 16GB | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5070 Ti | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5080 | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2060 12GB | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3060 12GB | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3080 12GB | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3080 Ti | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4070 | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4070 SUPER | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4070 Ti | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5070 | 12GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1080 Ti | 11GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2080 Ti | 11GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3080 10GB | 10GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1070 | 8GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1080 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2060 SUPER | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2070 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2070 SUPER | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2080 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2080 SUPER | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3050 8GB | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3060 8GB | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3060 Ti | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3070 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3070 Ti | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4060 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4060 Ti 8GB | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5050 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5060 | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5060 Ti 8GB | 8GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1060 6GB | 6GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1660 | 6GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1660 SUPER | 6GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1660 Ti | 6GB | 제조사 사양 |
| NVIDIA | GeForce RTX 2060 6GB | 6GB | 제조사 사양 |
| NVIDIA | GeForce RTX 3050 6GB | 6GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1650 | 4GB | 제조사 사양 |
| NVIDIA | GeForce GTX 1060 3GB | 3GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5090 Laptop GPU | 24GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4090 Laptop GPU | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5080 Laptop GPU | 16GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4080 Laptop GPU | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5070 Ti Laptop GPU | 12GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4060 Laptop GPU | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4070 Laptop GPU | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5050 Laptop GPU | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5060 Laptop GPU | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 5070 Laptop GPU | 8GB | 제조사 사양 |
| NVIDIA | GeForce RTX 4050 Laptop GPU | 6GB | 제조사 사양 |
| AMD | Radeon RX 7900 XTX | 24GB | 제조사 사양 |
| AMD | Radeon RX 7900 XT | 20GB | 제조사 사양 |
| AMD | Radeon RX 6800 | 16GB | 제조사 사양 |
| AMD | Radeon RX 6800 XT | 16GB | 제조사 사양 |
| AMD | Radeon RX 6900 XT | 16GB | 제조사 사양 |
| AMD | Radeon RX 6950 XT | 16GB | 제조사 사양 |
| AMD | Radeon RX 7600 XT | 16GB | 제조사 사양 |
| AMD | Radeon RX 7800 XT | 16GB | 제조사 사양 |
| AMD | Radeon RX 7900 GRE | 16GB | 제조사 사양 |
| AMD | Radeon RX 9060 XT 16GB | 16GB | 제조사 사양 |
| AMD | Radeon RX 9070 | 16GB | 제조사 사양 |
| AMD | Radeon RX 9070 XT | 16GB | 제조사 사양 |
| AMD | Radeon RX 6700 XT | 12GB | 제조사 사양 |
| AMD | Radeon RX 6750 XT | 12GB | 제조사 사양 |
| AMD | Radeon RX 7700 XT | 12GB | 제조사 사양 |
| AMD | Radeon RX 6600 | 8GB | 제조사 사양 |
| AMD | Radeon RX 6600 XT | 8GB | 제조사 사양 |
| AMD | Radeon RX 6650 XT | 8GB | 제조사 사양 |
| AMD | Radeon RX 7600 | 8GB | 제조사 사양 |
| AMD | Radeon RX 9060 XT 8GB | 8GB | 제조사 사양 |
| Intel | Arc A770 16GB | 16GB | 제조사 사양 |
| Intel | Arc B580 | 12GB | 제조사 사양 |
| Intel | Arc B570 | 10GB | 제조사 사양 |
| Intel | Arc A580 | 8GB | 제조사 사양 |
| Intel | Arc A750 | 8GB | 제조사 사양 |
| Intel | Arc A770 8GB | 8GB | 제조사 사양 |
자주 묻는 것
8GB 그래픽카드면 무엇까지 되나?
SD 1.5와 SDXL은 «됨», SD 3.5 Medium·Flux·Wan 2.2 5B는 «조건부»로 나온다. 조건부는 공식 문서가 안내한 절약 설정(fp8 판·텍스트 인코더 CPU 실행·오프로드)으로 돌아간다는 뜻이고, 그만큼 느려진다. 램이 16GB 이상이어야 조건부가 뜬다.
왜 «조건부»가 많이 나오나? 실제로는 더 잘 되는데.
이 계산기는 실측이 아니라 공식 숫자만 쓴다. 공식 문서에 VRAM 숫자가 없는 모델은 가중치 파일 크기 + 1GB를 «됨» 기준으로 잡아 보수적이다. ComfyUI는 VRAM이 모자라면 자동으로 램에 나눠 올리므로 조건부로 나온 모델도 대개 돌아가지만, 속도와 해상도를 양보해야 한다.
맥(애플 실리콘)은 어떻게 넣나?
그래픽카드 칸에서 «Apple 실리콘(통합 메모리)»을 고르고 통합 메모리 용량을 넣으면 된다. 맥은 CPU와 GPU가 메모리를 함께 쓰므로 VRAM과 램을 같은 값으로 센다. 영상 모델은 공식 README가 NVIDIA 기준이라 «공식 자료 없음»으로 둔다.
로컬 LLM 칸의 7B·14B는 어떤 파일 기준인가?
ollama.com 라이브러리의 기본 태그 크기(예: llama3.1 8b 4.9GB · qwen3 14b 9.3GB)다. 양자화 방식은 라이브러리 첫 화면에 표기가 없어 적지 않았다. 됨 = 그 크기 + 2GB(문맥 캐시 여유)가 VRAM에 들어갈 때, 조건부 = 램에 올려 CPU와 나눠 돌릴 때다.
숫자는 얼마나 자주 갱신하나?
표 위에 적힌 «확인 날짜»가 기준이다. 모델 카드나 README 문구가 바뀌면 표를 고치고 날짜를 바꾼다. 표 원본은 JSON 파일로 공개해 두었으니 출처 주소까지 직접 확인할 수 있다.
참고 자료
- Hugging Face · stable-diffusion-v1-5 파일 목록 — «v1-5-pruned-emaonly.safetensors 4.27 GB» (확인 2026-11-06)
- Hugging Face · stable-diffusion-v1-5 모델 카드 — «ema-only weight. uses less VRAM - suitable for inference» (확인 2026-11-06)
- Hugging Face · stable-diffusion-xl-base-1.0 파일 목록 — «sd_xl_base_1.0.safetensors 6.94 GB» (확인 2026-11-06)
- Hugging Face · SDXL 모델 카드 — «If you are limited by GPU VRAM, you can enable cpu offloading by calling» (확인 2026-11-06)
- Stability AI · Introducing Stable Diffusion 3.5 — «This model only requires 9.9 GB of VRAM (excluding text encoders) to unlock its full performance» (확인 2026-11-06)
- Hugging Face · stable-diffusion-3.5-medium 파일 목록 — «sd3.5_medium.safetensors 5.11 GB» (확인 2026-11-06)
- Hugging Face · stable-diffusion-3.5-large 파일 목록 — «sd3.5_large.safetensors 16.5 GB» (확인 2026-11-06)
- ComfyUI 예제 · SD3 — «For convenience there is an easy to use all in one checkpoint file sd3.5_large_fp8_scaled.safetensors» (확인 2026-11-06)
- Hugging Face · black-forest-labs/FLUX.1-dev — «FLUX.1 [dev] is a 12 billion parameter rectified flow transformer … flux1-dev.safetensors 23.8 GB» (확인 2026-11-06)
- Hugging Face · Comfy-Org/flux1-dev 파일 목록 — «flux1-dev-fp8.safetensors 17.2 GB» (확인 2026-11-06)
- ComfyUI 공식 문서 · Flux.1 Text to Image — «Recommended when your VRAM is greater than 32GB. (t5xxl_fp16) · If your VRAM is low, you can try using t5xxl_f…» (확인 2026-11-06)
- ComfyUI 예제 · Flux — «You can set the weight_dtype in the "Load Diffusion Model" node to fp8 which will lower the memory usage by ha…» (확인 2026-11-06)
- Hugging Face · FLUX.1-Kontext-dev 파일 목록 — «flux1-kontext-dev.safetensors 23.8 GB · 12 billion parameter rectified flow transformer» (확인 2026-11-06)
- GitHub · Wan-Video/Wan2.1 README — «The T2V-1.3B model requires only 8.19 GB VRAM, making it compatible with almost all consumer-grade GPUs. It ca…» (확인 2026-11-06)
- GitHub · Wan-Video/Wan2.2 README — «This command can run on a GPU with at least 24GB VRAM (e.g, RTX 4090 GPU). · TI2V-5B can generate a 5-second 7…» (확인 2026-11-06)
- ComfyUI 공식 문서 · Wan2.2 — «The Wan2.2 5B version should fit well on 8GB vram with the ComfyUI native offloading.» (확인 2026-11-06)
- GitHub · Tencent-Hunyuan/HunyuanVideo README — «Minimum: The minimum GPU memory required is 60GB for 720px1280px129f and 45G for 544px960px129f. Recommended: …» (확인 2026-11-06)
- GitHub · Lightricks/LTX-Video README — «Generate 720x480x121 videos in under a minute on RTX 4060 (8GB VRAM)» (확인 2026-11-06)
- Hugging Face · Lightricks/LTX-Video 파일 목록 — «ltxv-2b-0.9.8-distilled.safetensors 6.34 GB · ltxv-2b-0.9.8-distilled-fp8.safetensors 4.46 GB» (확인 2026-11-06)
- ollama.com · llama3.2 — «3b 2.0GB · 1b 1.3GB» (확인 2026-11-06)
- ollama.com · mistral — «7b 4.4GB» (확인 2026-11-06)
- ollama.com · deepseek-r1 — «7b 4.7GB · 8b 5.2GB · 14b 9.0GB · 32b 20GB» (확인 2026-11-06)
- ollama.com · llama2 (Memory requirements) — «7b models generally require at least 8GB of RAM · 13b models generally require at least 16GB of RAM · 70b mode…» (확인 2026-11-06)
- ollama.com · llama3.1 — «latest(8b) 4.9GB» (확인 2026-11-06)
- ollama.com · qwen3 — «8b 5.2GB · 14b 9.3GB · 4b 2.5GB · 32b 20GB» (확인 2026-11-06)
- ollama.com · gemma3 — «4b 3.4GB · 12b 8.2GB · 27b 17GB» (확인 2026-11-06)
- ollama.com · phi4 — «14b 9.1GB» (확인 2026-11-06)
- ollama.com · qwen2.5-coder — «7b 4.7GB · 14b 9.0GB · 32b 20GB» (확인 2026-11-06)
- GitHub · comfyanonymous/ComfyUI README — «Can run even the biggest open source models on as low as 4GB vram + 8GB ram relatively quickly · smart VRAM an…» (확인 2026-11-06)
- GitHub · ComfyUI comfy/cli_args.py — «--lowvram … makes the text encoders run on the CPU · --novram When lowvram isn't enough. · --cpu To use the CP…» (확인 2026-11-06)
- Ollama 문서 · FAQ — «When using GPU inference new models must be able to completely fit in VRAM to allow concurrent model loads. · …» (확인 2026-11-06)