OLMo-2-1124-13B-Instruct — which GPUs fit

allenai · 13.7B · ctx NoneK · apache-2.0 · HuggingFace

OLMo-2-1124-13B-Instruct (allenai) is a 13.7B parameters open-weight model tracked on AI Hashrate. At 8K context we estimate roughly 11.28 GB VRAM for Q4 (weights 7.54 GB + KV 2.74 GB + 1 GB overhead) and 31.14 GB for FP16. About 52 GPUs/accelerators in our catalog fully fit this model at Q4 under that context assumption. Fastest Q4 configs: B200 192GB SXM ≈ 371.6 tok/s (estimated); MI300X 192GB ≈ 246.2 tok/s (estimated); H200 141GB SXM5 ≈ 223.0 tok/s (estimated); H100 80GB SXM5 ≈ 155.6 tok/s (estimated); Gaudi 3 128GB ≈ 152.2 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.

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

Hardware	VRAM	Quant	tok/s	Fits?	tok/s/$
B200 192GB SXM	192	Q4	371.6 est.	Yes	0.009
MI300X 192GB	192	Q4	246.2 est.	Yes	0.016
H200 141GB SXM5	141	Q4	223.0 est.	Yes	0.006
H100 80GB SXM5	80	Q4	155.6 est.	Yes	0.005
Gaudi 3 128GB	128	Q4	152.2 est.	Yes	0.012
B200 192GB SXM	192	FP16	102.2 est.	Yes	0.003
A100 80GB SXM4	80	Q4	94.7 est.	Yes	0.006
RTX 5090 32GB	32	Q4	83.2 est.	Yes	0.042
RTX 3080 10GB	10	Q4	78.9 est.	No	0.113
MI300X 192GB	192	FP16	67.7 est.	Yes	0.005
H200 141GB SXM5	141	FP16	61.3 est.	Yes	0.002
RTX 4090 24GB	24	Q4	46.8 est.	Yes	0.029
RTX 4090D 24GB (China)	24	Q4	46.8 est.	Yes	0.029
RTX 3090 Ti 24GB	24	Q4	46.8 est.	Yes	0.023
RTX 5080 16GB	16	Q4	44.6 est.	Yes	0.045
RX 7900 XTX 24GB	24	Q4	44.6 est.	Yes	0.045
RTX 6000 Ada 48GB	48	Q4	44.6 est.	Yes	0.007
RTX 3090 24GB	24	Q4	43.5 est.	Yes	0.029
H100 80GB SXM5	80	FP16	42.8 est.	Yes	0.001
Gaudi 3 128GB	128	FP16	41.8 est.	Yes	0.003
RTX 5070 Ti 16GB	16	Q4	41.6 est.	Yes	0.056
L40S 48GB	48	Q4	40.1 est.	Yes	0.005
Arc B570 10GB	10	Q4	39.4 est.	No	0.18
Mac Studio M3 Ultra 96GB	96	Q4	38.0 est.	Yes	0.01
Mac Studio M2 Ultra 192GB	192	Q4	37.2 est.	Yes	0.005
RX 7900 XT 20GB	20	Q4	37.2 est.	Yes	0.041
RTX A6000 48GB	48	Q4	35.7 est.	Yes	0.008
RTX 4080 Super 16GB	16	Q4	34.2 est.	Yes	0.034
RTX 4070 Ti Super 16GB	16	Q4	31.2 est.	Yes	0.039
RTX 5070 12GB	12	Q4	31.2 est.	Yes	0.057
Titan V 12GB	12	Q4	30.3 est.	Yes	0.01
RTX 5060 8GB	8	Q4	29.7 est.	No	0.099
RTX 5060 Ti 8GB	8	Q4	29.7 est.	No	0.078
RTX 3070 8GB	8	Q4	29.7 est.	No	0.06
RX 9070 16GB	16	Q4	29.7 est.	Yes	0.054
RX 9070 XT 16GB	16	Q4	29.7 est.	Yes	0.05
RX 7800 XT 16GB	16	Q4	29.0 est.	Yes	0.058
Arc Pro B70 32GB	32	Q4	28.2 est.	Yes	0.028
RX 7900 GRE 16GB	16	Q4	26.8 est.	Yes	0.049
A100 80GB SXM4	80	FP16	26.0 est.	Yes	0.002
Arc A770 16GB	16	Q4	26.0 est.	Yes	0.074
RTX 4070 Ti 12GB	12	Q4	25.7 est.	Yes	0.032
Titan Xp 12GB	12	Q4	25.5 est.	Yes	0.021
MacBook Pro M4 Max 128GB	128	Q4	25.4 est.	Yes	0.006
RTX 4070 12GB	12	Q4	23.4 est.	Yes	0.039
RTX 4070 Super 12GB	12	Q4	23.4 est.	Yes	0.039
DGX Spark (GH200 480GB)	480	Q4	23.2 est.	Yes	0.008
RTX 5090 32GB	32	FP16	22.9 est.	Yes	0.011
Titan X Pascal 12GB	12	Q4	22.3 est.	Yes	0.019
RTX 4090 24GB	24	FP16	21.8 est.	No	0.014
RTX 4090D 24GB (China)	24	FP16	21.8 est.	No	0.014
RTX 3090 Ti 24GB	24	FP16	21.8 est.	No	0.011
Arc B580 12GB	12	Q4	21.2 est.	Yes	0.085
RX 7900 XTX 24GB	24	FP16	20.8 est.	No	0.021
RTX 5060 Ti 16GB	16	Q4	20.8 est.	Yes	0.048
RTX 3090 24GB	24	FP16	20.2 est.	No	0.013
RX 7700 XT 12GB	12	Q4	20.1 est.	Yes	0.045
RTX 4060 Ti 8GB	8	Q4	19.1 est.	No	0.048
RX 7600 8GB	8	Q4	19.1 est.	No	0.071
MacBook Pro M1 Max 32GB	32	Q4	18.6 est.	Yes	0.006
MacBook Pro M1 Max 64GB	64	Q4	18.6 est.	Yes	0.005
MacBook Pro M3 Max 128GB	128	Q4	18.6 est.	Yes	0.004
RTX 4060 8GB	8	Q4	18.0 est.	No	0.06
RTX 3060 12GB	12	Q4	16.7 est.	Yes	0.051
T4 16GB	16	Q4	14.9 est.	Yes	0.007
RTX 4060 Ti 16GB	16	Q4	13.4 est.	Yes	0.027
RX 7600 XT 16GB	16	Q4	13.4 est.	Yes	0.041
Tesla P4 8GB	8	Q4	12.7 est.	No	0.159
Mac mini M4 Pro 64GB	64	Q4	12.7 est.	Yes	0.006
RTX 6000 Ada 48GB	48	FP16	12.3 est.	Yes	0.002
RX 7900 XT 20GB	20	FP16	12.0 est.	No	0.013
L40S 48GB	48	FP16	11.0 est.	Yes	0.001
Mac Studio M3 Ultra 96GB	96	FP16	10.5 est.	Yes	0.003
Mac Studio M2 Ultra 192GB	192	FP16	10.2 est.	Yes	0.001
Ryzen AI Max+ 395 128GB	96	Q4	10.0 est.	Yes	0.005
Ryzen AI Max+ 395 64GB	48	Q4	10.0 est.	Yes	0.007
Ryzen AI Max 390 64GB	48	Q4	10.0 est.	Yes	0.008
RTX A6000 48GB	48	FP16	9.8 est.	Yes	0.002
RTX 5080 16GB	16	FP16	9.2 est.	No	0.009
RTX 5070 Ti 16GB	16	FP16	8.6 est.	No	0.011
Arc Pro B70 32GB	32	FP16	7.8 est.	Yes	0.008
RTX 4080 Super 16GB	16	FP16	7.1 est.	No	0.007
MacBook Pro M4 Max 128GB	128	FP16	7.0 est.	Yes	0.002
RTX 4070 Ti Super 16GB	16	FP16	6.5 est.	No	0.008
DGX Spark (GH200 480GB)	480	FP16	6.4 est.	Yes	0.002
RX 9070 16GB	16	FP16	6.1 est.	No	0.011
RX 9070 XT 16GB	16	FP16	6.1 est.	No	0.01
RX 7800 XT 16GB	16	FP16	6.0 est.	No	0.012
Mac mini M4 32GB	32	Q4	5.6 est.	Yes	0.006
RX 7900 GRE 16GB	16	FP16	5.5 est.	No	0.01
Arc A770 16GB	16	FP16	5.4 est.	No	0.015
MacBook Pro M1 Max 32GB	32	FP16	5.1 est.	Yes	0.002
MacBook Pro M1 Max 64GB	64	FP16	5.1 est.	Yes	0.001
MacBook Pro M3 Max 128GB	128	FP16	5.1 est.	Yes	0.001
RTX 5060 Ti 16GB	16	FP16	4.3 est.	No	0.01
RTX 5070 12GB	12	FP16	3.6 est.	No	0.007
Titan V 12GB	12	FP16	3.5 est.	No	0.001
Mac mini M4 Pro 64GB	64	FP16	3.5 est.	Yes	0.002
T4 16GB	16	FP16	3.1 est.	No	0.002
RTX 4070 Ti 12GB	12	FP16	3.0 est.	No	0.004
Titan Xp 12GB	12	FP16	3.0 est.	No	0.003
RTX 3080 10GB	10	FP16	2.8 est.	No	0.004
RTX 4060 Ti 16GB	16	FP16	2.8 est.	No	0.006
RX 7600 XT 16GB	16	FP16	2.8 est.	No	0.009
RTX 4070 12GB	12	FP16	2.7 est.	No	0.005
RTX 4070 Super 12GB	12	FP16	2.7 est.	No	0.005
Ryzen AI Max+ 395 128GB	96	FP16	2.7 est.	Yes	0.001
Ryzen AI Max+ 395 64GB	48	FP16	2.7 est.	Yes	0.002
Ryzen AI Max 390 64GB	48	FP16	2.7 est.	Yes	0.002
Titan X Pascal 12GB	12	FP16	2.6 est.	No	0.002
Arc B580 12GB	12	FP16	2.5 est.	No	0.01
RX 7700 XT 12GB	12	FP16	2.3 est.	No	0.005
RTX 3060 12GB	12	FP16	1.9 est.	No	0.006
Mac mini M4 32GB	32	FP16	1.5 est.	Yes	0.002
Arc B570 10GB	10	FP16	1.4 est.	No	0.006
RTX 5060 8GB	8	FP16	1.1 est.	No	0.004
RTX 5060 Ti 8GB	8	FP16	1.1 est.	No	0.003
RTX 3070 8GB	8	FP16	1.1 est.	No	0.002
RTX 4060 8GB	8	FP16	0.7 est.	No	0.002
RTX 4060 Ti 8GB	8	FP16	0.7 est.	No	0.002
RX 7600 8GB	8	FP16	0.7 est.	No	0.003
Tesla P4 8GB	8	FP16	0.5 est.	No	0.006

Fit checks

RTX 5090 32GB — fits · ≈83.2 tok/s Q4 est.
RTX 3090 Ti 24GB — fits · ≈46.8 tok/s Q4 est.
RTX 4090 24GB — fits · ≈46.8 tok/s Q4 est.
RTX 5080 16GB — fits · ≈44.6 tok/s Q4 est.
RTX 6000 Ada 48GB — fits · ≈44.6 tok/s Q4 est.
RX 7900 XTX 24GB — fits · ≈44.6 tok/s Q4 est.
RTX 3090 24GB — fits · ≈43.5 tok/s Q4 est.
RTX 5070 Ti 16GB — fits · ≈41.6 tok/s Q4 est.
L40S 48GB — fits · ≈40.1 tok/s Q4 est.
Mac Studio M3 Ultra 96GB — fits · ≈38.0 tok/s Q4 est.
Mac Studio M2 Ultra 192GB — fits · ≈37.2 tok/s Q4 est.
RX 7900 XT 20GB — fits · ≈37.2 tok/s Q4 est.

12 popular retail GPUs; every row in the table above also links its Fits? verdict to the full fit check.