Die NVIDIA GTX 1660 Super ist eine Consumer- GPU, basiert auf der Turing-Architektur und verfügt über 6 GB Speicher mit 336 GB/s Speicherbandbreite und einer TDP von 125 W. Sie liefert 5 TFLOPS FP32-Rechenleistung. Derzeit bei 2 Anbieter verfügbar, ab 0,02 €/GPU/Stunde, mit einem Marktmedian von 0,03 €/GPU/Stunde über 5 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
2 Angebote von 2 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 11 | 21 GB | Ab0,017 € 0.0% 30T | Ab0,02 € | Starten | ||
Theta EdgeCloudIm Trend | ×1 | 16 | 31 GB | 0,060 € 0.0% 30T | 0,06 € | Starten |
LLMs, die auf die NVIDIA GTX 1660 Super passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 6 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB Zu groß | 47 GB Zu groß | 28 GB Knapp auf 4× · 4 % übrig |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB Zu groß | 43 GB Zu groß | 25 GB Knapp auf 4× · 14 % übrig |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB Zu groß | 41 GB Zu groß | 24 GB Knapp auf 4× · 19 % übrig |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB Zu groß | 41 GB Zu groß | 24 GB Passt knapp auf 4× |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB Zu groß | 37 GB Zu groß | 21 GB 4× · 2,7 GB frei |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB Zu groß | 32 GB Zu groß | 18 GB 4× · 5,6 GB frei |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 4× · 7,5 GB frei |
| Gemma 3 12B Google | 12,2 Mrd. | 29 GB Zu groß | 16 GB 4× · 7,9 GB frei | 9,4 GB 2× · 2,6 GB frei |
| Granite 4.1 8B IBM | 8,8 Mrd. | 21 GB 4× · 2,9 GB frei | 12 GB Passt knapp auf 2× | 6,8 GB 2× · 5,2 GB frei oder 1× · 6 % übrig |
| Qwen3 8B Alibaba | 8,2 Mrd. | 20 GB 4× · 4,3 GB frei | 11 GB 2× · 1,2 GB frei | 6,3 GB 2× · 5,7 GB frei oder 1× · 14 % übrig |
| Llama 3.1 8B Instruct Meta | 8 Mrd. | 19 GB 4× · 4,7 GB frei | 11 GB 2× · 1,4 GB frei | 6,2 GB 2× · 5,8 GB frei oder 1× · 16 % übrig |
| Mistral 7B Instruct v0.3 Mistral AI | 7,2 Mrd. | 17 GB 4× · 6,6 GB frei | 9,6 GB 2× · 2,4 GB frei | 5,6 GB Passt knapp auf 1× |
Schätzungen: Modellgewichte plus 20 % für KV-Cache und Laufzeit-Overhead, bei kurzen Kontextlängen. Lange Kontexte und große Batches benötigen mehr. Als „knapp“ markierte Zeilen fassen die Gewichte, aber nicht diesen vollen Puffer. Ein ×N-Wert ist der gesamte VRAM über N dieser GPUs und sagt nichts über den Durchsatz der Verbindung aus. Wie wir das schätzen · Stattdessen vom Modell aus starten
Mehr von dieser Seite?
Falsche Daten?
