Это компактная модель Qwen3 на 14 млрд параметров со снятыми отказами. Она весит около 9 ГБ, поэтому помещается в видеокарту с 12 ГБ памяти, например RTX 3060, и отвечает быстрее больших моделей. Для переписки, редактуры и простого кода её хватает, а для длинных документов и сложных задач лучше взять модель побольше.
Коротко
Qwen3 14B без цензуры работает на видеокартах от 12 ГБ. Самая доступная подходящая сейчас — RTX 3060 12 ГБ от 6,95 ₽ в час, оплата по минутам.
Обновлено 13 октября 2026 г.
Для модели нужна карта с 12 ГБ видеопамяти: веса занимают около 9 ГБ, а остальное уходит на контекст и служебные буферы. Подойдёт RTX 3060 12 ГБ. Если хочется запаса, возьмите карту с 16 ГБ, например RTX 4080 16 ГБ.
Цены и наличие берутся из живого каталога и обновляются автоматически.
Qwen3 14B — компактная модель: она быстрее отвечает и требует меньше памяти, чем 27B. Для переписки, редактуры и простого кода этого достаточно. Для сложного кода, длинных рассуждений и больших текстов лучше взять Qwen 3.8 без цензуры на 24 ГБ: у неё больше параметров, и ответы обычно точнее.
Контекст в шаблоне ограничен 8 192 токенами, это около десяти страниц текста. Такой размер нужен, чтобы модель и её кэш поместились в 12 ГБ. Длинную статью или документ делите на части. Сравнение с версиями на 24 ГБ — в таблице ниже, а о расчёте памяти подробнее в гайде о видеопамяти для LLM.
| Модель | Веса | Видеопамять | Контекст |
|---|---|---|---|
| Qwen3 14B без цензуры | около 9 ГБ | от 12 ГБ | 8 192 токена |
| Qwen 3.8 27B | около 18 ГБ | от 24 ГБ | 16 384 токена |
| Qwen 3.8 27B без цензуры | около 18 ГБ | от 24 ГБ | 16 384 токена |
API работает по адресу https://<id>-11434.run.gpu.nz/v1, токен аренды передаётся как ключ. Пример на Python с библиотекой requests:
import requests
url = "https://<id>-11434.run.gpu.nz/v1/chat/completions"
headers = {"Authorization": "Bearer <токен>"}
body = {
"model": "huihui_ai/qwen3-abliterated:14b",
"messages": [{"role": "user", "content": "Перепиши письмо короче и вежливее: [текст письма]"}],
}
reply = requests.post(url, json=body, headers=headers, timeout=120)
print(reply.json()["choices"][0]["message"]["content"])Ответы идут без размышлений: модель отвечает сразу, а повторные запросы не ждут загрузки, потому что модель остаётся в памяти, пока сервер работает. Другие модели из Ollama запускаются в Open WebUI + Ollama.