Carte grand public, le GPU NVIDIA RTX 3060 repose sur l'architecture Ampere et dispose de 12 GB de mémoire, avec une bande passante mémoire de 360 GB/s et un TDP de 170 W. Il offre 12,7 TFLOPS de performances FP32. Actuellement disponible chez 3 fournisseurs à partir de 0,04 €/GPU/heure, avec une médiane du marché de 0,06 €/GPU/heure sur 12 configurations.
Caractéristiques matérielles
Identiques chez tous les fournisseurs
Prix médian sur l'ensemble des fournisseurs
3 offres chez 3 fournisseurs
Triées par prix croissant. Comparez les configurations côte à côte.
| Fournisseur | Nombre | vCPU | RAM | Région | Par heure de GPU | Total/h | Action |
|---|---|---|---|---|---|---|---|
| ×2 | 11 | 50 GB | À partir de0,044 € +7,7 % 30 j | À partir de0,09 € | Lancer | ||
Theta EdgeCloudTendance | ×1 | 20 | 31 GB | 0,088 € 0,0 % 30 j | 0,09 € | Lancer | |
Jusqu'à88 €de crédit | ×1 | — | — | 0,123 € 0,0 % 30 j | 0,12 € | Lancer |
LLM qui tiennent sur le GPU NVIDIA RTX 3060
VRAM estimée des LLM à poids ouverts populaires en précision 16 bits (FP16/BF16), 8 bits (FP8/INT8) et 4 bits (INT4/MXFP4), pour 12 GB par GPU. Affichage des 12 plus grands qui tiennent.
| Modèle | Paramètres | 16 bits | 8 bits | 4 bits |
|---|---|---|---|---|
| Laguna-S 2.1 Poolside | 118B 8B actifs | — Non publié | 155 GB Trop grand | 90 GB Juste sur 7× · 11 % de marge |
| gpt-oss-120b OpenAI | 117B 5,1B actifs | — Non publié | — Non publié | 78 GB 7× · 5,7 GB libres ou 6× · 10 % de marge |
| Qwen3.6 35B-A3B Alibaba | 35B 3B actifs | 86 GB Juste sur 6× · 0 % de marge | 47 GB 6× · 25 GB libres | 28 GB 6× · 44 GB libres ou 2× · 4 % de marge |
| Qwen3 32B Alibaba | 32,8B | 79 GB 7× · 5,4 GB libres ou 6× · 9 % de marge | 43 GB 6× · 29 GB libres | 25 GB 6× · 47 GB libres ou 2× · 14 % de marge |
| Gemma 4 31B Google | 31,3B | 75 GB 7× · 8,9 GB libres ou 6× · 15 % de marge | 41 GB 6× · 31 GB libres | 24 GB 6× · 48 GB libres ou 2× · 19 % de marge |
| GLM-4.7 Flash Z.ai | 31,2B | 75 GB 7× · 9,1 GB libres ou 6× · 15 % de marge | 41 GB 6× · 31 GB libres | 24 GB Tient tout juste sur 2× |
| Qwen3.6 27B Alibaba | 27,8B | 67 GB 6× · 5,3 GB libres | 37 GB 6× · 35 GB libres | 21 GB 2× · 2,7 GB libres |
| Mistral Small 3.2 24B Mistral AI | 24B | 58 GB 6× · 14 GB libres | 32 GB 6× · 40 GB libres | 18 GB 2× · 5,6 GB libres |
| gpt-oss-20b OpenAI | 21B 3,6B actifs | — Non publié | — Non publié | 17 GB 2× · 7,5 GB libres |
| Gemma 3 12B Google | 12,2B | 29 GB 6× · 43 GB libres | 16 GB 2× · 7,9 GB libres | 9,4 GB 1× · 2,6 GB libres |
| Granite 4.1 8B IBM | 8,8B | 21 GB 2× · 2,9 GB libres | 12 GB Tient tout juste sur 1× | 6,8 GB 1× · 5,2 GB libres |
| Qwen3 8B Alibaba | 8,2B | 20 GB 2× · 4,3 GB libres | 11 GB 1× · 1,2 GB libres | 6,3 GB 1× · 5,7 GB libres |
Estimations : poids du modèle plus 20 % pour le cache KV et le surcoût du runtime, avec des contextes courts. Les contextes longs et les lots importants demandent davantage. Les lignes marquées « juste » contiennent les poids, mais pas toute cette marge. Une valeur ×N correspond à la VRAM totale de N de ces GPU et ne préjuge en rien du débit de l'interconnexion. Notre méthode d'estimation · Partir plutôt d'un modèle
Vous en voulez plus sur cette page ?
Des données erronées ?
