Phi-4-reasoning — which GPUs fit

Microsoft · 14.7B · ctx 32K · MIT · HuggingFace

Phi-4-reasoning (Microsoft) is a 14.7B parameters open-weight model tracked on AI Hashrate. At 8K context we estimate roughly 12.03 GB VRAM for Q4 (weights 8.09 GB + KV 2.94 GB + 1 GB overhead) and 33.34 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 ≈ 346.3 tok/s (estimated); MI300X 192GB ≈ 229.4 tok/s (estimated); H200 141GB SXM5 ≈ 207.8 tok/s (estimated); H100 80GB SXM5 ≈ 145.0 tok/s (estimated); Gaudi 3 128GB ≈ 141.8 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	346.3 est.	Yes	0.009
MI300X 192GB	192	Q4	229.4 est.	Yes	0.015
H200 141GB SXM5	141	Q4	207.8 est.	Yes	0.006
H100 80GB SXM5	80	Q4	145.0 est.	Yes	0.005
Gaudi 3 128GB	128	Q4	141.8 est.	Yes	0.011
B200 192GB SXM	192	FP16	95.2 est.	Yes	0.002
A100 80GB SXM4	80	Q4	88.3 est.	Yes	0.006
RTX 5070 12GB	12	Q4	82.7 est.	No	0.151
RTX 5090 32GB	32	Q4	77.6 est.	Yes	0.039
RTX 4070 Ti 12GB	12	Q4	68.2 est.	No	0.085
RTX 3080 10GB	10	Q4	65.0 est.	No	0.093
MI300X 192GB	192	FP16	63.1 est.	Yes	0.004
RTX 4070 12GB	12	Q4	62.0 est.	No	0.104
RTX 4070 Super 12GB	12	Q4	62.0 est.	No	0.104
H200 141GB SXM5	141	FP16	57.1 est.	Yes	0.002
RTX 5090 32GB	32	FP16	56.2 est.	No	0.028
Arc B580 12GB	12	Q4	56.1 est.	No	0.225
RX 7700 XT 12GB	12	Q4	53.2 est.	No	0.118
RTX 3060 12GB	12	Q4	44.3 est.	No	0.135
RTX 4090 24GB	24	Q4	43.6 est.	Yes	0.027
RTX 4090D 24GB (China)	24	Q4	43.6 est.	Yes	0.027
RTX 3090 Ti 24GB	24	Q4	43.6 est.	Yes	0.022
RTX 5080 16GB	16	Q4	41.6 est.	Yes	0.042
RX 7900 XTX 24GB	24	Q4	41.6 est.	Yes	0.042
RTX 6000 Ada 48GB	48	Q4	41.6 est.	Yes	0.006
RTX 3090 24GB	24	Q4	40.5 est.	Yes	0.027
H100 80GB SXM5	80	FP16	39.9 est.	Yes	0.001
Gaudi 3 128GB	128	FP16	39.0 est.	Yes	0.003
RTX 5070 Ti 16GB	16	Q4	38.8 est.	Yes	0.052
L40S 48GB	48	Q4	37.4 est.	Yes	0.005
Mac Studio M3 Ultra 96GB	96	Q4	35.5 est.	Yes	0.009
Mac Studio M2 Ultra 192GB	192	Q4	34.6 est.	Yes	0.005
RX 7900 XT 20GB	20	Q4	34.6 est.	Yes	0.038
RTX A6000 48GB	48	Q4	33.2 est.	Yes	0.007
Arc B570 10GB	10	Q4	32.5 est.	No	0.148
RTX 4080 Super 16GB	16	Q4	31.9 est.	Yes	0.032
RTX 4070 Ti Super 16GB	16	Q4	29.1 est.	Yes	0.036
RX 9070 16GB	16	Q4	27.7 est.	Yes	0.05
RX 9070 XT 16GB	16	Q4	27.7 est.	Yes	0.046
RX 7800 XT 16GB	16	Q4	27.0 est.	Yes	0.054
RX 7900 GRE 16GB	16	Q4	24.9 est.	Yes	0.045
RTX 5060 8GB	8	Q4	24.5 est.	No	0.082
RTX 5060 Ti 8GB	8	Q4	24.5 est.	No	0.065
RTX 3070 8GB	8	Q4	24.5 est.	No	0.049
A100 80GB SXM4	80	FP16	24.3 est.	Yes	0.002
Arc A770 16GB	16	Q4	24.2 est.	Yes	0.069
MacBook Pro M4 Max 128GB	128	Q4	23.6 est.	Yes	0.005
RTX 5060 Ti 16GB	16	Q4	19.4 est.	Yes	0.045
RTX 4090 24GB	24	FP16	17.8 est.	No	0.011
RTX 4090D 24GB (China)	24	FP16	17.8 est.	No	0.011
RTX 3090 Ti 24GB	24	FP16	17.8 est.	No	0.009
MacBook Pro M3 Max 128GB	128	Q4	17.3 est.	Yes	0.004
RX 7900 XTX 24GB	24	FP16	16.9 est.	No	0.017
RTX 3090 24GB	24	FP16	16.5 est.	No	0.011
RTX 4060 Ti 8GB	8	Q4	15.8 est.	No	0.04
RX 7600 8GB	8	Q4	15.8 est.	No	0.059
RTX 4060 8GB	8	Q4	14.9 est.	No	0.05
T4 16GB	16	Q4	13.9 est.	Yes	0.007
RTX 4060 Ti 16GB	16	Q4	12.5 est.	Yes	0.025
RX 7600 XT 16GB	16	Q4	12.5 est.	Yes	0.038
Mac mini M4 Pro 64GB	64	Q4	11.8 est.	Yes	0.005
RTX 6000 Ada 48GB	48	FP16	11.4 est.	Yes	0.002
L40S 48GB	48	FP16	10.3 est.	Yes	0.001
RX 7900 XT 20GB	20	FP16	9.8 est.	No	0.011
Mac Studio M3 Ultra 96GB	96	FP16	9.8 est.	Yes	0.002
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	7.5 est.	No	0.008
RTX 5070 Ti 16GB	16	FP16	7.0 est.	No	0.009
MacBook Pro M4 Max 128GB	128	FP16	6.5 est.	Yes	0.001
RTX 4080 Super 16GB	16	FP16	5.8 est.	No	0.006
RTX 4070 Ti Super 16GB	16	FP16	5.3 est.	No	0.007
Mac mini M4 32GB	32	Q4	5.2 est.	Yes	0.005
RX 9070 16GB	16	FP16	5.0 est.	No	0.009
RX 9070 XT 16GB	16	FP16	5.0 est.	No	0.008
RX 7800 XT 16GB	16	FP16	4.9 est.	No	0.01
MacBook Pro M3 Max 128GB	128	FP16	4.8 est.	Yes	0.001
RX 7900 GRE 16GB	16	FP16	4.5 est.	No	0.008
Arc A770 16GB	16	FP16	4.4 est.	No	0.013
Mac mini M4 32GB	32	FP16	3.8 est.	No	0.004
RTX 5060 Ti 16GB	16	FP16	3.5 est.	No	0.008
Mac mini M4 Pro 64GB	64	FP16	3.2 est.	Yes	0.001
RTX 5070 12GB	12	FP16	3.0 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 4060 Ti 16GB	16	FP16	2.3 est.	No	0.005
RX 7600 XT 16GB	16	FP16	2.3 est.	No	0.007
RTX 4070 12GB	12	FP16	2.2 est.	No	0.004
RTX 4070 Super 12GB	12	FP16	2.2 est.	No	0.004
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	1.2 est.	No	0.005