Qwen2.5-Coder-14B-Instruct — which GPUs fit

Alibaba · 14.8B · ctx 32K · apache-2.0 · HuggingFace

Qwen2.5-Coder-14B-Instruct (Alibaba) is a 14.8B parameters open-weight model tracked on AI Hashrate. At 8K context we estimate roughly 12.1 GB VRAM for Q4 (weights 8.14 GB + KV 2.96 GB + 1 GB overhead) and 33.56 GB for FP16. About 35 GPUs/accelerators in our catalog fully fit this model at Q4 under that context assumption. Fastest Q4 configs: B200 192GB SXM ≈ 344.0 tok/s (estimated); MI300X 192GB ≈ 227.9 tok/s (estimated); H200 141GB SXM5 ≈ 206.4 tok/s (estimated); H100 80GB SXM5 ≈ 144.0 tok/s (estimated); Gaudi 3 128GB ≈ 140.9 tok/s (estimated). Use the table below for VRAM fit and tok/s per dollar (list MSRP). Estimates follow memory-bandwidth math; measured rows override when present. See methodology for details. Methodology.

94 hardware configs — sorted by tok/s. Default fit context 8K.

Hardware	VRAM	Quant	tok/s	Fits?	tok/s/$
B200 192GB SXM	192	Q4	344.0 est.	Yes	0.009
MI300X 192GB	192	Q4	227.9 est.	Yes	0.015
H200 141GB SXM5	141	Q4	206.4 est.	Yes	0.006
H100 80GB SXM5	80	Q4	144.0 est.	Yes	0.005
Gaudi 3 128GB	128	Q4	140.9 est.	Yes	0.011
B200 192GB SXM	192	FP16	94.6 est.	Yes	0.002
A100 80GB SXM4	80	Q4	87.7 est.	Yes	0.006
RTX 5070 12GB	12	Q4	81.2 est.	No	0.148
RTX 5090 32GB	32	Q4	77.1 est.	Yes	0.039
RTX 4070 Ti 12GB	12	Q4	66.9 est.	No	0.084
RTX 3080 10GB	10	Q4	63.8 est.	No	0.091
MI300X 192GB	192	FP16	62.7 est.	Yes	0.004
RTX 4070 12GB	12	Q4	60.9 est.	No	0.102
RTX 4070 Super 12GB	12	Q4	60.9 est.	No	0.102
H200 141GB SXM5	141	FP16	56.8 est.	Yes	0.002
Arc B580 12GB	12	Q4	55.1 est.	No	0.221
RTX 5090 32GB	32	FP16	55.0 est.	No	0.028
RX 7700 XT 12GB	12	Q4	52.2 est.	No	0.116
RTX 3060 12GB	12	Q4	43.5 est.	No	0.132
RTX 4090 24GB	24	Q4	43.3 est.	Yes	0.027
RTX 4090D 24GB (China)	24	Q4	43.3 est.	Yes	0.027
RTX 3090 Ti 24GB	24	Q4	43.3 est.	Yes	0.022
RTX 5080 16GB	16	Q4	41.3 est.	Yes	0.041
RX 7900 XTX 24GB	24	Q4	41.3 est.	Yes	0.041
RTX 6000 Ada 48GB	48	Q4	41.3 est.	Yes	0.006
RTX 3090 24GB	24	Q4	40.2 est.	Yes	0.027
H100 80GB SXM5	80	FP16	39.6 est.	Yes	0.001
Gaudi 3 128GB	128	FP16	38.7 est.	Yes	0.003
RTX 5070 Ti 16GB	16	Q4	38.5 est.	Yes	0.051
L40S 48GB	48	Q4	37.1 est.	Yes	0.005
Mac Studio M3 Ultra 96GB	96	Q4	35.2 est.	Yes	0.009
Mac Studio M2 Ultra 192GB	192	Q4	34.4 est.	Yes	0.005
RX 7900 XT 20GB	20	Q4	34.4 est.	Yes	0.038
RTX A6000 48GB	48	Q4	33.0 est.	Yes	0.007
Arc B570 10GB	10	Q4	31.9 est.	No	0.146
RTX 4080 Super 16GB	16	Q4	31.6 est.	Yes	0.032
RTX 4070 Ti Super 16GB	16	Q4	28.9 est.	Yes	0.036
RX 9070 16GB	16	Q4	27.5 est.	Yes	0.05
RX 9070 XT 16GB	16	Q4	27.5 est.	Yes	0.046
RX 7800 XT 16GB	16	Q4	26.8 est.	Yes	0.054
RX 7900 GRE 16GB	16	Q4	24.8 est.	Yes	0.045
A100 80GB SXM4	80	FP16	24.1 est.	Yes	0.002
RTX 5060 8GB	8	Q4	24.1 est.	No	0.081
RTX 5060 Ti 8GB	8	Q4	24.1 est.	No	0.064
RTX 3070 8GB	8	Q4	24.1 est.	No	0.048
Arc A770 16GB	16	Q4	24.1 est.	Yes	0.069
MacBook Pro M4 Max 128GB	128	Q4	23.5 est.	Yes	0.005
RTX 5060 Ti 16GB	16	Q4	19.3 est.	Yes	0.045
RTX 4090 24GB	24	FP16	17.4 est.	No	0.011
RTX 4090D 24GB (China)	24	FP16	17.4 est.	No	0.011
RTX 3090 Ti 24GB	24	FP16	17.4 est.	No	0.009
MacBook Pro M3 Max 128GB	128	Q4	17.2 est.	Yes	0.004
RX 7900 XTX 24GB	24	FP16	16.6 est.	No	0.017
RTX 3090 24GB	24	FP16	16.2 est.	No	0.011
RTX 4060 Ti 8GB	8	Q4	15.5 est.	No	0.039
RX 7600 8GB	8	Q4	15.5 est.	No	0.058
RTX 4060 8GB	8	Q4	14.6 est.	No	0.049
T4 16GB	16	Q4	13.8 est.	Yes	0.007
RTX 4060 Ti 16GB	16	Q4	12.4 est.	Yes	0.025
RX 7600 XT 16GB	16	Q4	12.4 est.	Yes	0.038
Mac mini M4 Pro 64GB	64	Q4	11.7 est.	Yes	0.005
RTX 6000 Ada 48GB	48	FP16	11.4 est.	Yes	0.002
L40S 48GB	48	FP16	10.2 est.	Yes	0.001
Mac Studio M3 Ultra 96GB	96	FP16	9.7 est.	Yes	0.002
RX 7900 XT 20GB	20	FP16	9.6 est.	No	0.011
Mac Studio M2 Ultra 192GB	192	FP16	9.5 est.	Yes	0.001
RTX A6000 48GB	48	FP16	9.1 est.	Yes	0.002
RTX 5080 16GB	16	FP16	7.4 est.	No	0.007
RTX 5070 Ti 16GB	16	FP16	6.9 est.	No	0.009
MacBook Pro M4 Max 128GB	128	FP16	6.5 est.	Yes	0.001
RTX 4080 Super 16GB	16	FP16	5.7 est.	No	0.006
RTX 4070 Ti Super 16GB	16	FP16	5.2 est.	No	0.007
Mac mini M4 32GB	32	Q4	5.2 est.	Yes	0.005
RX 9070 16GB	16	FP16	4.9 est.	No	0.009
RX 9070 XT 16GB	16	FP16	4.9 est.	No	0.008
RX 7800 XT 16GB	16	FP16	4.8 est.	No	0.01
MacBook Pro M3 Max 128GB	128	FP16	4.7 est.	Yes	0.001
RX 7900 GRE 16GB	16	FP16	4.4 est.	No	0.008
Arc A770 16GB	16	FP16	4.3 est.	No	0.012
Mac mini M4 32GB	32	FP16	3.7 est.	No	0.004
RTX 5060 Ti 16GB	16	FP16	3.4 est.	No	0.008
Mac mini M4 Pro 64GB	64	FP16	3.2 est.	Yes	0.001
RTX 5070 12GB	12	FP16	2.9 est.	No	0.005
T4 16GB	16	FP16	2.5 est.	No	0.001
RTX 4070 Ti 12GB	12	FP16	2.4 est.	No	0.003
RTX 3080 10GB	10	FP16	2.3 est.	No	0.003
RTX 4070 12GB	12	FP16	2.2 est.	No	0.004
RTX 4060 Ti 16GB	16	FP16	2.2 est.	No	0.004
RTX 4070 Super 12GB	12	FP16	2.2 est.	No	0.004
RX 7600 XT 16GB	16	FP16	2.2 est.	No	0.007
Arc B580 12GB	12	FP16	2.0 est.	No	0.008
RX 7700 XT 12GB	12	FP16	1.9 est.	No	0.004
RTX 3060 12GB	12	FP16	1.6 est.	No	0.005
Arc B570 10GB	10	FP16	1.1 est.	No	0.005