NVIDIAУ ноутбуков на NVIDIA RTX Spark нет отдельной видеопамяти: процессор и видеокарта N1X используют один общий пул памяти. В Приложении NVIDIA для таких ноутбуков появилась настройка «Выделенная память ГП (ГБ)» – она задаёт, какую часть этой памяти Windows отдаёт видеокарте. Мы разобрались, как работает настройка, и проверили на тестовом ноутбуке MSI Prestige N16 Flip AI+ с 64 ГБ памяти, как от неё зависит работа локальных языковых моделей, а также генерация изображений и видео.
Тестовый ноутбук MSI Prestige N16 Flip AI+ с NVIDIA RTX Spark N1X и 64 ГБ памяти: при 30 ГБ для видеокарты Windows доступно 32,7 ГБ
Настройка «Выделенная память ГП (ГБ)» в Приложении NVIDIA на ноутбуке с RTX Spark и 64 ГБ памяти, значение по умолчанию – 30 ГБ
Как RTX Spark делит память
Настройка появилась в Приложении NVIDIA 11.0.9 вместе с поддержкой RTX Spark: в заметках к выпуску NVIDIA пишет, что объём памяти видеокарты теперь можно настроить вручную под игры, творческие задачи и ИИ. На других видеокартах GeForce этого пункта нет – у них своя видеопамять.
Как это устроено, NVIDIA объясняет в справке по RTX Spark. Часть общей памяти, отданную видеокарте, Windows считает выделенной памятью графического процессора, остальное – обычной оперативной памятью. Если выделенной памяти видеокарте не хватает, она может занимать и оперативную – в «Диспетчере задач» это видно как общая память графического процессора.
На нашем ноутбуке с 64 ГБ памяти видеокарте по умолчанию отдано 30 ГБ, а Windows видит 32,75 ГБ оперативной памяти. Ползунок двигается от 4 до 48 ГБ с шагом 0,5 ГБ, значение можно ввести и вручную в поле справа. Новое значение начинает действовать только после перезагрузки.
NVIDIA советует оставлять значение по умолчанию, если программе или модели не нужно больше. Для Windows и обычных программ стоит оставить не меньше 16 ГБ – на ноутбуке с 64 ГБ при максимальных 48 ГБ для видеокарты Windows получит меньше этого. Творческим программам, по данным NVIDIA, нужно не меньше 12 ГБ памяти видеокарты, а при работе с большими проектами – 16 ГБ. Для генерации изображений и видео объём подбирают под требования модели. Языковые модели и ИИ-агенты, напротив, почти не теряют в скорости, когда выходят за пределы выделенной памяти.
Как изменить объём выделенной памяти
Откройте Приложение NVIDIA, перейдите в раздел Система и на вкладку Расширенные. В блоке Параметры ГП передвиньте ползунок Выделенная память ГП (ГБ) или введите нужное число в поле справа от него. После этого рядом появятся кнопки Отмена и Применить.
Новое значение – 40 ГБ – сохраняется кнопкой «Применить»
После нажатия Применить приложение предложит перезагрузить компьютер: Перезагрузить сейчас или Перезагрузить позже. До перезагрузки видеокарта продолжает работать с прежним объёмом памяти.
Изменение вступает в силу после перезагрузки
Вернуть значение по умолчанию можно через меню с тремя точками справа от настройки – пункт Восстановить. После него приложение тоже попросит перезагрузить компьютер.
Пункт «Восстановить» возвращает объём памяти по умолчанию
Рядом с этой настройкой на вкладке Расширенные находится «Приоритет приложений для ГП». Это другая функция: она распределяет не память, а время работы видеокарты между активным приложением и фоновыми задачами.
Выделенная и общая память ГП в «Диспетчере задач»
Откройте «Диспетчер задач», перейдите на вкладку Производительность и выберите Графический процессор 0. В строке Выделенная память графического процессора указан объём, выбранный в Приложении NVIDIA, ниже – объём общей памяти, которую видеокарта может занять дополнительно. Сколько памяти осталось Windows, видно в разделе Память.
При 40 ГБ для видеокарты Windows остаётся 22,7 ГБ оперативной памяти
На нашем ноутбуке получились такие значения:
| Выделенная память ГП | Оперативная память Windows | Общая память ГП |
|---|---|---|
| 22 ГБ | 40,7 ГБ | 24,7 ГБ |
| 30 ГБ (по умолчанию) | 32,7 ГБ | 16,7 ГБ |
| 40 ГБ | 22,7 ГБ | 11,4 ГБ |
Проверка с локальными языковыми моделями
Чтобы понять, что даёт настройка на практике, мы установили на тестовый ноутбук Ollama 0.40.15. Программа работает на RTX Spark как родное приложение для ARM64 и считает на видеокарте через CUDA. Для проверки взяли три модели в квантовании Q8_0. Qwen3 32B занимает в памяти 34,1 ГБ и не помещается ни в 22, ни в 30 ГБ выделенной памяти. Qwen 3.6 27B занимает 26,4 ГБ и не помещается только в 22 ГБ. Qwen3 4B занимает 5,4 ГБ и помещается при любом значении.
Для каждой модели мы замерили скорость генерации ответа длиной 512 токенов и скорость обработки длинного входного текста – подборки наших новостей объёмом от 6,8 до 34 тысяч токенов. Чтобы Ollama не брала уже обработанный текст из кэша, в начало каждого запроса добавляли случайное число. Каждый замер повторяли три раза при 22, 30 и 40 ГБ выделенной памяти, после каждой смены значения ноутбук перезагружали. Значения проверяли в порядке 30, 22, 40 и снова 30 ГБ: последний круг показывал, не изменились ли условия за время теста. Все замеры сделаны от сети в режиме питания Windows «Максимальная производительность», в фирменной утилите MSI Center S был выбран режим Performance Boost.
Режим Performance Boost в MSI Center S
Скорость генерации ответа, токенов в секунду:
| Модель | 22 ГБ | 30 ГБ (по умолчанию) | 40 ГБ |
|---|---|---|---|
| Qwen3 32B, 34,1 ГБ | 7,67–7,68 | 7,85 | 7,89–7,90 |
| Qwen 3.6 27B, 26,4 ГБ | 9,37–9,41 | 9,45–9,48 | 9,49–9,55 |
| Qwen3 4B, 5,4 ГБ | 55,6–56,5 | 55,2–56,7 | 55,1–56,2 |
Скорость обработки длинного входного текста, токенов в секунду:
| Модель и объём текста | 22 ГБ | 30 ГБ (по умолчанию) | 40 ГБ |
|---|---|---|---|
| Qwen3 32B, 8,4 тыс. токенов | 692–700 | 702 | 708–719 |
| Qwen 3.6 27B, 6,8 тыс. токенов | 899–908 | 935–951 | 932–953 |
| Qwen 3.6 27B, 27,5 тыс. токенов | 858–866 | 894–903 | 897–905 |
| Qwen3 4B, 34 тыс. токенов | 3234–3298 | 3247–3313 | 3248–3302 |
В таблицах – наименьшее и наибольшее значение из трёх прогонов. Для 30 ГБ взят контрольный круг в конце теста: во время первых двух кругов с этим значением на ноутбук ещё загружались файлы моделей для ComfyUI.
Разница заметна только у Qwen3 32B, которая не помещается в выделенную память при 22 и 30 ГБ. При 22 ГБ в выделенной памяти было 21,9 ГБ модели, ещё 14,3 ГБ – в общей, и генерация шла со скоростью 7,67–7,68 токена в секунду. При 40 ГБ в общей памяти осталось только 1 ГБ, и скорость выросла до 7,89–7,90 токена в секунду – это около 3%. Обработка длинного текста у этой модели при 40 ГБ шла примерно на 2% быстрее, чем при 22 ГБ. Qwen 3.6 27B при 22 ГБ генерировала ответ примерно на 1% медленнее, чем при 30 и 40 ГБ, а длинный текст обрабатывала примерно на 4% медленнее – и на 6,8, и на 27,5 тысячи токенов. Скорость Qwen3 4B от настройки не зависит.
При 22 ГБ выделенная память заполнена полностью, и часть модели уходит в общую
Qwen3 32B при 22 ГБ: выделенная память заполнена, ещё 14,3 ГБ модели – в общей памяти
Во всех случаях модель целиком работала на видеокарте – и в выделенной, и в общей памяти. Результат совпадает с тем, что пишет NVIDIA: языковым моделям выход в общую память почти не мешает. Обе части физически находятся в одной и той же памяти LPDDR5X, поэтому разница в скорости невелика.
Проверка с генерацией изображений и видео
Больше памяти видеокарты, по данным NVIDIA, нужно творческим программам и генерации изображений и видео: если они работают медленно, NVIDIA советует увеличить объём. Чтобы это проверить, мы установили ComfyUI 0.44.0 – официальную портативную сборку для Windows на ARM64 с поддержкой видеокарт NVIDIA. Изображения создавали моделями FLUX.2 Klein 4B (1024x1024 точки, 4 шага) и Qwen-Image 2512 в формате FP8 (1328x1328 точек, 20 шагов), видео – моделями Wan 2.2 TI2V 5B (1280x704 точки, 49 кадров, 20 шагов) и Wan 2.2 T2V 14B в формате FP8 (832x480 точек, 33 кадра, 20 шагов). Каждый сценарий с изображением запускали три раза, с видео – два.
Время генерации с уже загруженной моделью, секунд:
| Модель | 22 ГБ | 30 ГБ (по умолчанию) | 40 ГБ |
|---|---|---|---|
| FLUX.2 Klein 4B, изображение | 2,7 | 2,7 | 2,8 |
| Qwen-Image 2512, изображение | 93,8–93,9 | 94,1–94,4 | 98,9–99,4 |
| Wan 2.2 TI2V 5B, видео | 103,0 | 102,8 | 103,1 |
| Wan 2.2 T2V 14B, видео | 206,6 | 205,0 | 204,5 |
Для 30 ГБ в таблице – результаты последнего, контрольного круга. Первый круг сразу после установки ComfyUI шёл медленнее: видео моделью Wan 2.2 14B создавалось за 230 секунд, изображение Qwen-Image – за 97,7 секунды.
От объёма выделенной памяти время генерации не зависело, а Qwen-Image при 40 ГБ работала даже примерно на 5% медленнее, чем при 22 ГБ. ComfyUI занимал выделенную память в пределах доступного объёма – до 21 ГБ при 22 ГБ и до 37 ГБ при 40 ГБ, а общую почти не использовал: не больше 0,3 ГБ. Модель Wan 2.2 14B при 40 ГБ заняла почти вдвое больше выделенной памяти, чем при 22 ГБ, но видео создала за то же время.
Генерация видео моделью Wan 2.2 14B при 40 ГБ: занято 36,2 ГБ выделенной памяти, общая почти не используется
Все результаты круга при 40 ГБ: сверху – Ollama, снизу – ComfyUI
Запуск моделей без командной строки
Ollama управляется в основном из командной строки. Для тех, кто предпочитает окно с готовым каталогом моделей, подойдёт Llama для Windows от Hugging Face – у неё есть отдельная сборка для ARM64. На нашем ноутбуке приложение считало на видеокарте не через CUDA, а через Vulkan драйвера NVIDIA. Небольшая модель LFM 3 Omni 2B в квантовании Q8_0 заняла около 1,9 ГБ выделенной памяти и генерировала текст со скоростью 72 токена в секунду.
Каталог моделей в Llama для Windows
Какое значение выбрать
Для большинства задач подходит значение по умолчанию – на ноутбуке с 64 ГБ это 30 ГБ для видеокарты. В наших замерах увеличение объёма заметно только для языковых моделей, которые не помещаются в выделенную память: Qwen3 32B при 40 ГБ генерировала текст примерно на 3% быстрее, чем при 22 ГБ. На генерацию изображений и видео в ComfyUI настройка не повлияла. Объём стоит увеличить, если программа или модель прямо требует больше памяти видеокарты. Уменьшить его имеет смысл, если не хватает памяти обычным программам Windows. В любом случае Windows лучше оставить не меньше 16 ГБ.
