Melhor LLM local para programação com 12 GB de VRAM?
Resposta rápida
O Qwen 3 Coder 14B Q4_K_M é o melhor modelo de programação para GPUs com 12 GB de VRAM como a RTX 3060. Usa ~10 GB de VRAM e obtém a pontuação HumanEval mais alta entre os modelos que cabem nessa restrição. DeepSeek Coder 14B é uma alternativa sólida.
- ▸Qwen 3 Coder 14B Q4_K_M: ~10 GB de VRAM, melhor benchmark de programação para esse tamanho
- ▸DeepSeek Coder 14B Q4_K_M: VRAM similar, competitivo em completação de código
- ▸Ambos cabem na RTX 3060 12 GB e RTX 3080 Ti 12 GB
Atualizado: 21 de junho de 2026
Pontos principais
- ✓Qwen 3 Coder 14B Q4_K_M usa ~10 GB de VRAM e cabe na RTX 3060 12 GB ou RTX 3080 Ti 12 GB com 2 GB de margem
- ✓Em contexto curto (≤4k tokens), Qwen e DeepSeek Coder 14B rodam a 14–18 tok/s nessas placas de 12 GB
- ✓Sessões com mais de 8k tokens sobem o VRAM para ~11,5 GB — mantenha abaixo de 8k para operação confortável em 12 GB
- ✓Qwen 3 Coder 14B obtém 78,4% no HumanEval; DeepSeek Coder 14B obtém 75,1% — ambos bem acima de qualquer modelo de programação 7B
Qwen 3 Coder 14B é a escolha certa para 12 GB de VRAM
O Qwen 3 Coder 14B em quantização Q4_K_M usa aproximadamente 10 GB de VRAM — deixando 2 GB de margem em uma placa de 12 GB, suficiente para o sistema operacional e o runtime do Ollama. Alcança 78,4% no HumanEval, a pontuação mais alta de qualquer modelo de programação de 14B ou inferior disponível para implantação local em maio de 2026.
O DeepSeek Coder 14B em Q4_K_M tem um consumo de VRAM quase idêntico (~10 GB) e obtém 75,1% no HumanEval. A diferença é pequena, mas o Qwen 3 Coder lidera de forma consistente em tarefas de Python e TypeScript, que representam a maioria das cargas de trabalho típicas dos desenvolvedores.
Ambos os modelos funcionam de forma idêntica na RTX 3060 12 GB e RTX 3080 Ti 12 GB. A RTX 3080 Ti oferece largura de banda de memória ligeiramente maior (912 GB/s contra 360 GB/s), o que se traduz em aproximadamente 18 tok/s contra 14 tok/s para o mesmo modelo com a mesma quantização.
| Modelo | VRAM | HumanEval | Velocidade (RTX 3060) | Velocidade (RTX 3080 Ti) |
|---|---|---|---|---|
| Qwen 3 Coder 14B Q4_K_M | ~10 GB | 78,4% | ~14 tok/s | ~18 tok/s |
| DeepSeek Coder 14B Q4_K_M | ~10 GB | 75,1% | ~14 tok/s | ~18 tok/s |
| Qwen 3 Coder 7B Q4_K_M | ~5 GB | 72,1% | ~28 tok/s | ~38 tok/s |
O comprimento do contexto é a variável-chave de VRAM
Com 4k de contexto, ambos os modelos 14B usam ~10 GB de VRAM e funcionam confortavelmente. Com 8k de contexto, o VRAM sobe para aproximadamente 11,5 GB — deixando apenas 500 MB de margem em uma placa de 12 GB. Com 16k de contexto, um modelo 14B Q4_K_M ultrapassa os 12 GB de VRAM e começa a descarregar parcialmente para a CPU, reduzindo a velocidade para ~3 tok/s.
Para o uso prático de programação, 4k de contexto é suficiente para a maioria das completações de arquivo único e sessões de revisão de código. Necessidades de contexto longo (repositórios inteiros, refatorações extensas) requerem uma GPU de 16 GB ou 24 GB, ou mudar para a variante 7B que usa ~5 GB de VRAM e deixa toda a placa de 12 GB livre para o contexto.
Se você trabalha frequentemente com arquivos grandes e quer manter uma placa de 12 GB, considere o Qwen 3 Coder 7B Q4_K_M — roda a ~28 tok/s na RTX 3060, obtém 72,1% no HumanEval e libera 7 GB de VRAM para o contexto. Consulte o comparativo dos melhores modelos de programação 14B para mais detalhes sobre o trade-off 14B vs 7B.
Guias relacionados
- ▸Best MoE Models for Local Coding -- MoE coding models
- ▸Cursor Pro vs Continue.dev: Which AI Coding Tool? -- coding tool comparison
Respostas rápidas sobre LLMs de programação para 12 GB de VRAM
O que é melhor para 12 GB de VRAM: RTX 3060 ou RTX 3080 Ti?▾
Posso colocar um modelo de 20B ou 22B em 12 GB de VRAM?▾
Como instalo o Qwen 3 Coder 14B no Ollama para minha RTX 3060?▾
ollama pull qwen2.5-coder:14b-instruct-q4_K_M. O Ollama detecta automaticamente a GPU NVIDIA e usa CUDA. Verifique o uso da GPU com ollama ps — o modelo deve aparecer rodando na GPU, não na CPU. Se retroceder para a CPU, verifique se os drivers CUDA estão atualizados.