localLLMriglokaal, op je tafel

budget

Lokale LLM onder $1,000

Onder $1,000 (€ 893 incl. btw) kiest localLLMrig Phi-4 14B in Q4 als grootste model dat ergens volledig past. Wereldwijde prijzen (USD), EUR beschikbaar. Prijzen en tokens/s zijn schattingen zonder bron.

De pagina is $1,000. De catalogus vergelijkt met ongeveer € 893 incl. btw, een wisselkoersschatting.

Open in de rekenmachine

Drie opstellingen

Phi-4 14B · Q4 · 8.192 ctx

Geschat geheugen

10,7 GBschatting

8,2 GB gewichten · 1,7 GB KV-cache · 0,8 GB overhead

Je koos geen model. Binnen dit budget is dit het grootste model dat ergens volledig in het geheugen past.

  1. 01 · Snelste

    Budget-pc met RTX 3060 12GB

    Instap voor 8B en, nipt, 14B Q4. De kaart is vooral tweedehands.

    $996€ 890

    binnen budget · tweedehands

    schatting

    tok/s

    19,0

    schatting

    nodig

    10,7 GB

    past volledig

    bruikbaar

    10,8 GB

    VRAM

    Waarom deze

    • Het model past volledig in het videogeheugen of het unified memory. Geen CPU-offload.
    • Het past, maar met weinig speling. Een langere context kan nét te veel zijn.
    • De indicatieve prijs zit binnen je budget.
    • Tweedehands of een vorige generatie. De prijs beweegt sterk.
    • Hoogste geschatte snelheid in deze selectie.

    Onderdelen

    • GeForce RTX 3060 12GB
    • Ryzen 5 5600 of gelijkaardig
    • 32 GB DDR4
    • 1 TB SSD, voeding rond 550W

  2. 02 · Een stap hoger

    Pc met RTX 5090 32GB

    Hoogste bandbreedte in één kaart. 32 GB is ruim voor 32B, nog te krap voor 70B Q4.

    $5,027€ 4.490

    boven budget

    schatting

    tok/s

    80

    schatting

    nodig

    10,7 GB

    past volledig

    bruikbaar

    30,8 GB

    VRAM

    Waarom deze

    • Het model past volledig in het videogeheugen of het unified memory. Geen CPU-offload.
    • Er blijft geheugen over voor een langere context of een zwaardere quantisatie.
    • Boven je budget. Er was geen volledige fit binnen het bedrag, of dit is een snellere stap erboven.
    • Hoge geheugenbandbreedte, dus een hogere schatting van tokens per seconde.

    Onderdelen

    • GeForce RTX 5090 32GB
    • Ryzen 7 9700X of gelijkaardig
    • 96 GB DDR5
    • voeding 1200W, ruime behuizing

  3. 03 · Een stap hoger

    Dual RTX 4090, 48 GB

    Zelfde geheugen als twee 3090s, hogere bandbreedte, een stuk duurder.

    $6,146€ 5.490

    boven budget

    schatting

    tok/s

    73

    schatting

    nodig

    10,7 GB

    past volledig

    bruikbaar

    45,6 GB

    VRAM

    Waarom deze

    • Het model past volledig in het videogeheugen of het unified memory. Geen CPU-offload.
    • Er blijft geheugen over voor een langere context of een zwaardere quantisatie.
    • Boven je budget. Er was geen volledige fit binnen het bedrag, of dit is een snellere stap erboven.
    • Twee GPU's. Reken op een zwaardere voeding en een llama.cpp-split. De bandbreedte telt niet volledig dubbel.
    • Hoge geheugenbandbreedte, dus een hogere schatting van tokens per seconde.

    Onderdelen

    • 2× GeForce RTX 4090 24GB
    • Ryzen 9 7950X of gelijkaardig
    • 128 GB DDR5
    • voeding 1600W

Tokens per seconde zijn een schatting uit geheugenbandbreedte, geen gemeten benchmark. Wereldwijde prijzen (USD), EUR beschikbaar. EUR is incl. btw. USD is een wisselkoersschatting. Geen winkelbron. Meet zelf na met llama-bench voor je koopt.

Een build op jouw maat? Rapport

Nieuwe builds als GPU-prijzen bewegen

Einde van de resultaten

Veelgestelde vragen

Wat is het grootste model dat volledig past onder $1,000?
In deze dataset is dat Phi-4 14B in Q4, met een geschatte geheugenvraag van 10,7 GB bij 8.192 tokens. Dat is een schatting. sourceUrl blijft null.
Zit een 70B-model daar altijd bij?
Nee. Llama 70B Q4 vraagt ongeveer 40 GB. Onder de lagere bedragen past dat niet volledig. De pagina toont dan een kleiner model dat wél past, of een fit boven het budget als er niets binnen past.
Zijn de prijzen winkelprijzen?
Nee. Elk bedrag is indicatief op 14 oktober 2026 en heeft geen winkelbron.
Lokale LLM onder $1,000 · localLLMrig