GeForce RTX 4070에서 돌아가는 로컬 LLM

시스템 RAM 32GB(DDR5-5600), Windows, 이 GPU로 화면 출력, 8k 컨텍스트, f16 KV 캐시를 기준으로 계산했습니다.

GeForce RTX 4070 사용자가 알아 둘 점

RTX 4070은 GeForce RTX 3060 12GB와 VRAM이 같은 12GB라서 올라가는 모델도 같습니다. 차이는 속도입니다. 메모리 대역폭이 504 GB/s라 같은 모델을 더 빨리 돌립니다. 그래서 Qwen3 14B가 그 카드에서는 원활하게, 이 카드에서는 쾌적하게 돌아갑니다. 생각 모드가 있는 모델에 적용하는 1.5배 엄격한 속도 기준을 넘긴 결과입니다. GeForce RTX 4070 Super는 CanRun 데이터에서 메모리 용량과 대역폭이 이 카드와 같아 판정도 같게 나옵니다.

gpt-oss-20b는 파일만 12.1GB라서 12GB 카드에는 다 들어가지 않습니다. 전문가 일부를 시스템 RAM에 두면 원활하게 돌아간다고 CanRun은 추정하고, Qwen3.5 35B-A3B도 같습니다. 둘 다 이론 추정(±30%)입니다. 실행 명령은 GeForce RTX 4070에서 gpt-oss-20b 페이지에 있습니다.

27B dense 모델은 12GB 카드로는 부족합니다. Qwen3.8 27B는 Q4_K_M 기준 17.6GB가 필요해서 VRAM과 시스템 RAM에 나뉘어 느리게 돌아갑니다. 이 모델을 GPU에 전부 올리려면 VRAM 20GB 이상을 목표로 하세요.

사양

VRAM: 12GB
메모리 대역폭: 504.0 GB/s
FP16 연산: 29.1 TFLOPS
출시 연도: 2023
가격: 출시가 US$599(약 79만 원)
다른 표기: 4070

원화 금액은 미국 달러 가격을 2026-10-21 환율(1달러 1,326원)로 단순 환산한 참고값이라 국내 판매가와 다를 수 있습니다.

판정 요약

Q4_K_M(없으면 가장 가까운 양자화), 8k 컨텍스트 기준입니다.

쾌적27개원활8개겨우 가능14개불가10개양자화를 더 낮추면 2개가 더 돌아갑니다.

판정 읽는 법

쾌적: GPU에 전부 올라가고 20 tok/s 이상
원활: GPU에 전부 올라가고 8~20 tok/s, MoE 전문가를 시스템 RAM에 두고 20 tok/s 이상, 또는 GPU에 90% 이상 올라가고 8 tok/s 이상
겨우 가능: 2~8 tok/s, CPU 전용, GPU에 90% 미만, 또는 MoE 전문가를 RAM에 두고 20 tok/s 미만
불가: 메모리에 안 들어가거나 2 tok/s 미만

한국 모델

EXAONE, HyperCLOVA X SEED, Kanana, Solar가 이 기기에서 어떻게 돌아가는지 보여 줍니다.

GeForce RTX 4070 전체 모델 판정

dense 모델을 GPU와 CPU에 나눠 올리면 속도가 크게 떨어집니다. 전체 속도가 느린 CPU 쪽에 맞춰지기 때문입니다. 전문가만 시스템 RAM에 두는 MoE 모델은 훨씬 덜 느려집니다.

옆으로 밀면 모든 열을 볼 수 있습니다.

모델 59개(판정·속도 순)
모델	판정	속도	양자화	메모리	실행 방식	컨텍스트	참고
MiniCPM5 1B	쾌적	추정 395.8 tok/s348.3–443.3보정된 추정 ±12%	Q4_K_M	1.9 / 12.0GB	풀 GPU	최대 128k	생각 모드
Llama 3.2 1B	쾌적	추정 327.1 tok/s287.9–366.4보정된 추정 ±12%	Q4_K_M	2.2 / 12.0GB	풀 GPU	최대 128k	—
Ling-3.0 Tiny	쾌적	추정 269.7 tok/s188.8–350.5이론 추정 ±30%	Q4_K_M	5.9 / 12.0GB	풀 GPU	최대 128k	생각 모드
EXAONE 4.0 1.2B	쾌적	추정 268.6 tok/s236.4–300.9보정된 추정 ±12%	Q4_K_M	2.5 / 12.0GB	풀 GPU	최대 64k	생각 모드
LFM2.5 2.6B	쾌적	추정 195.5 tok/s136.9–254.2이론 추정 ±30%	Q4_K_M	3.0 / 12.0GB	풀 GPU	최대 128k	생각 모드
HyperCLOVA X SEED 1.5B	쾌적	추정 194.3 tok/s171.0–217.7보정된 추정 ±12%	Q4_K_M	3.0 / 12.0GB	풀 GPU	최대 16k	—
MiniCPM5 2B	쾌적	추정 184.5 tok/s162.3–206.6보정된 추정 ±12%	Q4_K_M	2.9 / 12.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E2B	쾌적	추정 174.1 tok/s121.9–226.3이론 추정 ±30%	Q4_K_M	2.7 / 12.0GB	풀 GPU	최대 128k	생각 모드
Mellum2.1 12B-A2.5B Thinking	쾌적	추정 161.0 tok/s128.8–193.2보정된 추정 ±20%	Q4_K_M	9.2 / 12.0GB	풀 GPU	최대 64k	생각 모드
Spark-X2.5 4B	쾌적	추정 121.6 tok/s107.0–136.2보정된 추정 ±12%	Q4_K_M	4.1 / 12.0GB	풀 GPU	최대 128k	생각 모드
Llama 3.2 3B	쾌적	추정 119.2 tok/s104.9–133.5보정된 추정 ±12%	Q4_K_M	4.1 / 12.0GB	풀 GPU	최대 64k	—
Qwen3.5 4B	쾌적	추정 113.9 tok/s100.2–127.5보정된 추정 ±12%	Q4_K_M	4.2 / 12.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E4B	쾌적	추정 96.6 tok/s67.7–125.6이론 추정 ±30%	Q4_K_M	4.3 / 12.0GB	풀 GPU	최대 128k	생각 모드
DeepSeek R1 Distill Llama 8B	쾌적	추정 58.9 tok/s51.8–65.9보정된 추정 ±12%	Q4_K_M	6.9 / 12.0GB	풀 GPU	최대 32k	생각 모드
Kanana 1.5 8B	쾌적	추정 58.9 tok/s51.8–65.9보정된 추정 ±12%	Q4_K_M	6.9 / 12.0GB	풀 GPU	최대 32k	—
Llama 3.1 8B	쾌적GeForce RTX 4070에서 Llama 3.1 8B 판정 보기	추정 58.9 tok/s51.8–65.9보정된 추정 ±12%	Q4_K_M	6.9 / 12.0GB	풀 GPU	최대 32k	—
Nanbeige4.2 3B	쾌적	추정 57.6 tok/s40.3–74.9이론 추정 ±30%	Q4_K_M	5.0 / 12.0GB	풀 GPU	최대 32k	생각 모드
Qwen3.5 9B	쾌적GeForce RTX 4070에서 Qwen3.5 9B 판정 보기	추정 57.5 tok/s50.6–64.4보정된 추정 ±12%	Q4_K_M	6.6 / 12.0GB	풀 GPU	최대 128k	생각 모드
DeepSeek R1 0528 Qwen3 8B	쾌적	추정 56.6 tok/s49.8–63.3보정된 추정 ±12%	Q4_K_M	7.1 / 12.0GB	풀 GPU	최대 32k	생각 모드
Qwen3 8B	쾌적GeForce RTX 4070에서 Qwen3 8B 판정 보기	추정 56.6 tok/s49.8–63.3보정된 추정 ±12%	Q4_K_M	7.1 / 12.0GB	풀 GPU	최대 32k	생각 모드
K2-Horizon 7B	쾌적	추정 51.9 tok/s45.7–58.1보정된 추정 ±12%	Q4_K_M	7.4 / 12.0GB	풀 GPU	최대 32k	생각 모드
Gemma 4 12B	쾌적GeForce RTX 4070에서 Gemma 4 12B 판정 보기	추정 48.6 tok/s42.8–54.5보정된 추정 ±12%	Q4_K_M	8.4 / 12.0GB	풀 GPU	최대 128k	생각 모드
Gemma 3 12B	쾌적GeForce RTX 4070에서 Gemma 3 12B 판정 보기	추정 45.0 tok/s39.6–50.4보정된 추정 ±12%	Q4_K_M	9.0 / 12.0GB	풀 GPU	최대 32k	—
HyperCLOVA X SEED Think 14B	쾌적	추정 34.6 tok/s24.2–45.0이론 추정 ±30%	Q4_K_M	11.0 / 12.0GB	풀 GPU	최대 8k	생각 모드
Qwen3 14B	쾌적GeForce RTX 4070에서 Qwen3 14B 판정 보기	추정 34.1 tok/s30.0–38.2보정된 추정 ±12%	Q4_K_M	11.1 / 12.0GB	풀 GPU	최대 8k	생각 모드
DeepSeek R1 Distill Qwen 14B	쾌적	추정 33.3 tok/s29.3–37.3보정된 추정 ±12%	Q4_K_M	11.3 / 12.0GB	풀 GPU	최대 8k	생각 모드
Phi-4	쾌적	추정 32.9 tok/s28.9–36.8보정된 추정 ±12%	Q4_K_M	11.6 / 12.0GB	풀 GPU	최대 8k	—
Kanana 1.5 15.7B-A3B	원활	추정 80.6 tok/s56.4–104.8이론 추정 ±30%	Q4_K_M	11.6 / 12.0GB + RAM 1.1GB	MoE 전문가 RAM 배치	최대 32k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. IQ4_XS: 쾌적
gpt-oss-20b	원활GeForce RTX 4070에서 gpt-oss-20b 판정 보기	추정 78.5 tok/s55.0–102.1이론 추정 ±30%	MXFP4	11.2 / 12.0GB + RAM 2.3GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
MiniCPM-V 4.7 35B-A3B	원활	추정 66.3 tok/s46.4–86.2이론 추정 ±30%	Q4_K_M	11.5 / 12.0GB + RAM 11.0GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Qwen3.6 35B-A3B	원활GeForce RTX 4070에서 Qwen3.6 35B-A3B 판정 보기	추정 62.5 tok/s43.7–81.2이론 추정 ±30%	Q4_K_M	11.2 / 12.0GB + RAM 12.4GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Qwen3.5 35B-A3B	원활GeForce RTX 4070에서 Qwen3.5 35B-A3B 판정 보기	추정 57.1 tok/s40.0–74.3이론 추정 ±30%	Q4_K_M	11.2 / 12.0GB + RAM 12.8GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Gemma 4 26B-A4B	원활GeForce RTX 4070에서 Gemma 4 26B-A4B 판정 보기	추정 47.8 tok/s33.5–62.1이론 추정 ±30%	Q4_K_M	11.1 / 12.0GB + RAM 7.2GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. UD-Q2_K_XL (품질 손실 큼): 쾌적 생각 모드
Qwen3 30B-A3B (2507)	원활GeForce RTX 4070에서 Qwen3 30B-A3B (2507) 판정 보기	추정 46.8 tok/s32.8–60.9이론 추정 ±30%	Q4_K_M	11.6 / 12.0GB + RAM 9.0GB	MoE 전문가 RAM 배치	최대 64k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다.
Nemotron 3.5 Lightning 30B-A3B	원활	추정 44.4 tok/s31.1–57.7이론 추정 ±30%	Q4_K_M	10.8 / 12.0GB + RAM 15.9GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
K2-Horizon MoVA 36B-A4B	겨우 가능	추정 26.9 tok/s18.8–35.0이론 추정 ±30%	Q4_K_M	11.6 / 12.0GB + RAM 13.5GB	MoE 전문가 RAM 배치	최대 16k	전문가를 시스템 RAM에서 돌립니다. 이 방식에서 원활하게 돌아가려면 30 tok/s 이상 나와야 합니다. 생각 모드
Mistral Small 3.2 24B	겨우 가능	추정 6.8 tok/s5.4–8.1보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 4.8GB	부분 오프로드	최대 32k	Q2_K (품질 손실 큼): 쾌적
Gemma 3 27B	겨우 가능	추정 5.6 tok/s4.5–6.7보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.4GB	부분 오프로드	최대 64k	Q2_K (품질 손실 큼): 원활
Muse Glimmer 30B	겨우 가능	추정 5.6 tok/s4.5–6.7보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.6GB	부분 오프로드	최대 128k	Q2_K (품질 손실 큼): 쾌적 생각 모드
Qwen3.6 27B	겨우 가능	추정 5.5 tok/s4.4–6.6보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.5GB	부분 오프로드	최대 64k	생각 모드
Qwen3.5 27B	겨우 가능GeForce RTX 4070에서 Qwen3.5 27B 판정 보기	추정 5.3 tok/s4.3–6.4보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.8GB	부분 오프로드	최대 64k	생각 모드
Qwen3.8 27B	겨우 가능GeForce RTX 4070에서 Qwen3.8 27B 판정 보기	추정 5.1 tok/s4.1–6.2보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 7.2GB	부분 오프로드	최대 32k	Q2_K (품질 손실 큼): 쾌적 생각 모드
Gemma 4 31B	겨우 가능GeForce RTX 4070에서 Gemma 4 31B 판정 보기	추정 4.6 tok/s3.7–5.5보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 8.2GB	부분 오프로드	최대 32k	생각 모드
EXAONE 4.0 32B	겨우 가능	추정 4.2 tok/s3.4–5.0보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 9.1GB	부분 오프로드	최대 32k	생각 모드
EXAONE 4.5 33B	겨우 가능	추정 3.9 tok/s3.2–4.7보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 9.8GB	부분 오프로드	최대 32k	생각 모드
Granite 4.2 30B	겨우 가능	추정 3.9 tok/s3.2–4.7보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 9.0GB	부분 오프로드	최대 8k	생각 모드
Qwen3 32B	겨우 가능GeForce RTX 4070에서 Qwen3 32B 판정 보기	추정 3.3 tok/s2.7–4.0보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 11.1GB	부분 오프로드	최대 8k	생각 모드
DeepSeek R1 Distill Qwen 32B	겨우 가능	추정 3.3 tok/s2.6–4.0보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 11.2GB	부분 오프로드	최대 8k	생각 모드
Nanbeige4.3 33B	겨우 가능	추정 3.2 tok/s2.6–3.9보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 11.7GB	부분 오프로드	최대 8k	생각 모드
Kolibri 1	불가Q2_K (품질 손실 큼): 원활	추정 62.2 tok/s43.5–80.9이론 추정 ±30%	Q2_K	11.2 / 12.0GB + RAM 20.1GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. RAM 64GB라면: 원활 생각 모드
Llama 3.3 70B	불가Q2_K (품질 손실 큼): 겨우 가능GeForce RTX 4070에서 Llama 3.3 70B 판정 보기	추정 2.1 tok/s1.7–2.5보정된 추정 ±20%	Q2_K	12.0 / 12.0GB + RAM 18.2GB	부분 오프로드	최대 8k	—
DeepSeek V4 Flash 0731	불가	—	MXFP4	155.1GB 필요	—	—	약 155.1GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. 생각 모드
GLM-5.3 Flash	불가	—	Q4_K_M	181.4GB 필요	—	—	약 181.4GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. 생각 모드
gpt-oss-120b	불가GeForce RTX 4070에서 gpt-oss-120b 판정 보기	—	MXFP4	63.6GB 필요	—	—	약 63.6GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 겨우 가능 생각 모드
Laguna S 2.1	불가	—	Q4_K_M	68.5GB 필요	—	—	약 68.5GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 겨우 가능 생각 모드
Ling-3.0 Flash	불가	—	Q4_K_M	75.4GB 필요	—	—	약 75.4GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 96GB라면: 원활 생각 모드
Qwen3.5 122B-A10B	불가GeForce RTX 4070에서 Qwen3.5 122B-A10B 판정 보기	—	Q4_K_M	76.6GB 필요	—	—	약 76.6GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 96GB라면: 겨우 가능 생각 모드
Solar Open 100B	불가	—	Q4_K_M	64.0GB 필요	—	—	약 64.0GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 겨우 가능 생각 모드
Solar Open 2 250B	불가	—	IQ4_XS	136.5GB 필요	—	—	약 136.5GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. 생각 모드

생각 모드가 있는 모델은 생각하는 데 토큰을 더 쓰기 때문에 속도 기준을 1.5배 엄격하게 잡습니다(30 / 12 / 3 tok/s). 생각 모드를 끄고 쓰면 실제로는 한 단계 위일 수 있습니다.

GeForce RTX 4070 벤치마크 결과

보정에 쓰는 공개 벤치마크입니다. 측정 조건(컨텍스트·백엔드·플래그)은 위 추정과 다를 수 있습니다.

GeForce RTX 4070 벤치마크 결과
모델	양자화	백엔드	컨텍스트	프롬프트 (tok/s)	생성 (tok/s)	플래그	출처	측정일
Qwen3 8B	Q4_K_XL	llama.cpp	4k	3,564.0	71.2	CUDA	hardware-corner.net	2025-12-09

자주 묻는 질문

GeForce RTX 4070에 통째로 올라가는 가장 큰 모델은 무엇인가요?

Kanana 1.5 15.7B-A3B IQ4_XS(8.71GB 파일)입니다. 8k 컨텍스트에서 12GB에 전부 올라가고, 속도는 추정 104.9 tok/s (83.9–125.8, 보정된 추정 ±20%)입니다.

GeForce RTX 4070에서 원활하게 돌아가는 로컬 LLM은 몇 개인가요?

Q4_K_M·8k 컨텍스트 기준으로 등록된 모델 59개를 보면 쾌적 27개, 원활 8개, 겨우 가능 14개, 불가 10개입니다.

GeForce RTX 4070에서 Llama 3.3 70B 같은 70B 모델을 돌릴 수 있나요?

Q2_K (품질 손실 큼), 부분 오프로드 기준 판정: 겨우 가능, 속도: 추정 2.1 tok/s (1.7–2.5, 보정된 추정 ±20%).

속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.