RTX 3090 能跑哪些大模型？
在 24GB、4K 上下文下，索引中 110 个模型有 84 个可从容运行，各自取仍留有余量的最高质量档位。
RTX 3090 的简短答案
24 GB，936 GB/s GDDR6X。索引中 110 个模型里有 84 个能在 4K 上下文下从容运行，87 个至少能加载。
- 能装下的最大模型
- Seed-OSS 36B Instruct — AWQ INT4 下约 19.9 GB —— 4K 时仅剩 4.1 GB，上下文再拉长就要动用这点余量。
- 留有余量的选择
- ERNIE 4.5 21B-A3B — Q4_K_M 下约 14.1 GB —— 占用不到显存的 60%，留下 10.0 GB 给长上下文或第二个进程。
- 速度上限
- Llama 3.1 8B Instruct 在 Q4_K_M 下每个 token 要读取 4.6 GB 权重，因此 936 GB/s 给出的硬上限约为 203 tok/s。这是两个公开数字的算术结果，不是跑分 —— 实际吞吐会低于它。 本索引在这张卡上有 1 条实测记录，实际结果见下方表格。
- 你会先撞到的墙
- 瓶颈是容量。110 个模型中有 84 个能在 4K 上下文下从容装进 24 GB，装不下的那些差的是好几个 GB，而不是一点零头 —— 在 936 GB/s 下，限制这张卡的并不是显存子系统。要改变这份清单，靠的是换更大容量的卡，而不是换量化档位。
32B · 27
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Seed-OSS 36B Instruct36B | AWQ INT4 | 19.91 GB | +4.1 GB | ≤55天花板 |
| Command R 35B35B | GPTQ INT4 | 18.97 GB | +5 GB | ≤56天花板 |
| Yi 1.5 34B Chat34B | AWQ INT4 | 19 GB | +5 GB | ≤57天花板 |
| Qwen3 32B Instruct32B | AWQ INT4 | 18.22 GB | +5.8 GB | ≤60天花板 |
| Qwen2.5 32B Instruct32B | EXL2 3.5bpw | 15.96 GB | +8 GB | ≤69天花板 |
| Qwen2.5-Coder 32B Instruct32B | AWQ INT4 | 18.08 GB | +5.9 GB | ≤61天花板 |
| DeepSeek-R1-Distill-Qwen-32B32B | EXL2 3.5bpw | 15.96 GB | +8 GB | ≤69天花板 |
| Nemotron 3.5 Lightning 30B-A3B30B-A3B | Q4_0 | 19.79 GB | +4.2 GB | ≤548天花板 |
| Gemma 4 31B IT31B | Q4_K_M | 21.08 GB | +2.9 GB | 32–43推算 |
| Qwen3 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | ≤542天花板 |
| Qwen3-Coder 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | ≤542天花板 |
| Qwen3-VL 30B-A3B Instruct30B-A3B | Q4_K_M | 19.73 GB | +4.3 GB | ≤542天花板 |
| GLM-4.7-Flash30B-A3B | Q4_K_M | 19.19 GB | +4.8 GB | ≤542天花板 |
| Granite 4.2 30B30B | Q4_K_M | 19.61 GB | +4.4 GB | 34–45推算 |
| Muse Glimmer 30B30B | Q4_K_M | 17.66 GB | +6.3 GB | 36–47推算 |
| Qwen3.8 27B27B | Q4_K_M | 17.47 GB | +6.5 GB | 36–48推算 |
| Qwen3.6 27B27B | Q4_K_M | 19.07 GB | +4.9 GB | 33–44推算 |
| Gemma 3 27B IT27B | Q4_K_M | 18.37 GB | +5.6 GB | 36–48推算 |
| Gemma 2 27B Instruct27B | Q4_K_M | 18.81 GB | +5.2 GB | 36–48推算 |
| Gemma 4 26B-A4B IT26B-A4B | Q4_K_M | 16.39 GB | +7.6 GB | ≤406天花板 |
| Mistral Small 24B Instruct24B | EXL2 4.65bpw | 15.26 GB | +8.7 GB | ≤71天花板 |
| LFM2.5 24B-A2B24B-A2B | Q4_K_M | 15.27 GB | +8.7 GB | ≤664天花板 |
| Devstral Small 1.1 24B24B | Q6_K | 20.91 GB | +3.1 GB | 31–41推算 |
| Magistral Small 1.2 24B24B | Q6_K | 20.91 GB | +3.1 GB | 31–41推算 |
| Codestral 22B22B | Q4_K_M | 15.03 GB | +9 GB | 44–59推算 |
| ERNIE 4.5 21B-A3B21B-A3B | Q4_K_M | 14.05 GB | +10 GB | ≤542天花板 |
| GPT-OSS 20B21B MoE | MXFP4 | 12.76 GB | +11.2 GB | ≤473天花板 |
14B · 18
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| InternLM2 20B Chat20B | Q5_K_M | 15.59 GB | +8.4 GB | 42–56推算 |
| DeepSeek-Coder-V2-Lite Instruct16B-A2.4B | Q8_0 | 17.56 GB | +6.4 GB | ≤386天花板 |
| DeepSeek-V2-Lite Chat16B-A2.4B | Q4_K_M | 10.08 GB | +13.9 GB | ≤677天花板 |
| StarCoder2 15B15B | Q4_K_M | 10.19 GB | +13.8 GB | 66–87推算 |
| Qwen3 14B Instruct14B | Q5_K_M | 11.65 GB | +12.4 GB | 57–76推算 |
| Qwen2.5 14B Instruct14B | Q5_K_M | 11.73 GB | +12.3 GB | 57–76推算 |
| DeepSeek-R1-Distill-Qwen-14B14B | EXL2 4.65bpw | 9.75 GB | +14.3 GB | ≤115天花板 |
| Phi-4 14B14B | Q5_K_M | 11.77 GB | +12.2 GB | 57–76推算 |
| Phi-3 Medium 14B Instruct14B | Q6_K | 12.86 GB | +11.1 GB | 52–69推算 |
| Mistral Nemo 12B Instruct12B | Q6_K | 11.14 GB | +12.9 GB | 60–79推算 |
| Gemma 3 12B IT12B | Q5_K_M | 9.84 GB | +14.2 GB | 69–91推算 |
| Mellum2.1 12B-A2.5B Thinking12B-A2.5B | Q8_0 | 13.6 GB | +10.4 GB | ≤371天花板 |
| Stable LM 2 12B Chat12B | Q4_K_M | 8.35 GB | +15.7 GB | 82–108推算 |
| Llama 3.2 11B Vision Instruct11B | Q8_0 | 12.9 GB | +11.1 GB | 51–68推算 |
| Solar 10.7B Instruct11B | Q4_K_M | 7.6 GB | +16.4 GB | 92–122推算 |
| Falcon 3 10B Instruct10B | Q4_K_M | 7.28 GB | +16.7 GB | 95–126推算 |
| Gemma 2 9B Instruct9B | Q8_0 | 11.7 GB | +12.3 GB | 61–81推算 |
| Qwen3.5 9B9B | Q8_0 | 10.37 GB | +13.6 GB | 61–81推算 |
7B · 25
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| GLM-4-9B-Chat9B | Q8_0 | 10.16 GB | +13.8 GB | 63–83推算 |
| Qwen3-VL 8B Instruct8B | Q8_0 | 10.39 GB | +13.6 GB | 64–85推算 |
| Granite 4.2 8B8B | Q8_0 | 10.45 GB | +13.6 GB | 64–85推算 |
| Ministral 3 8B Instruct8B | Q8_0 | 10.02 GB | +14 GB | 66–88推算 |
| Qwen2-VL 7B Instruct7B | Q4_K_M | 5.49 GB | +18.5 GB | 119–158推算 |
| Granite 3.1 8B Instruct8B | Q4_K_M | 5.88 GB | +18.1 GB | 121–160推算 |
| Qwen3 8B Instruct8B | Q6_K | 7.64 GB | +16.4 GB | 89–118推算 |
| Llama 3.1 8B Instruct8B | Q8_0 | 9.47 GB | +14.5 GB | 70–93推算 |
| Nous Hermes 3 Llama 3.1 8B8B | EXL2 4.65bpw | 5.43 GB | +18.6 GB | ≤211天花板 |
| Aya 23 8B8B | Q4_K_M | 5.64 GB | +18.4 GB | 123–163推算 |
| OpenChat 3.6 8B8B | EXL2 4.65bpw | 5.43 GB | +18.6 GB | ≤211天花板 |
| DeepSeek-R1-Distill-Llama-8B8B | Q5_K_M | 6.51 GB | +17.5 GB | 105–139推算 |
| InternLM2 7B Chat7B | Q4_K_M | 5.45 GB | +18.6 GB | 128–169推算 |
| Qwen2.5 7B Instruct7B | Q6_K | 6.77 GB | +17.2 GB | 96–127推算 |
| Qwen2.5-Coder 7B Instruct7B | EXL2 4.65bpw | 4.87 GB | +19.1 GB | ≤222天花板 |
| DeepSeek-R1-Distill-Qwen-7B7B | EXL2 4.65bpw | 4.87 GB | +19.1 GB | ≤222天花板 |
| Gemma 4 E4B ITE4B | Q8_0 | 8.46 GB | +15.5 GB | 75–99推算 |
| OLMo 2 7B Instruct7B | Q8_0 | 10.3 GB | +13.7 GB | 77–102推算 |
| OLMo 3 7B Instruct7B | Q8_0 | 10.3 GB | +13.7 GB | 77–102推算 |
| WizardLM-2 7B7B | Q4_K_M | 5.14 GB | +18.9 GB | 136–181推算 |
| Mistral 7B Instruct v0.37B | Q6_K | 6.75 GB | +17.3 GB | 101–134推算 |
| Zephyr 7B Beta7B | Q6_K | 6.75 GB | +17.3 GB | 101–134推算 |
| Gemma 4 E2B ITE2B | Q8_0 | 5.2 GB | +18.8 GB | ≤200天花板 |
| Qwen3.5 4B4B | Q8_0 | 4.97 GB | +19 GB | ≤213天花板 |
| Gemma 3 4B IT4B | Q8_0 | 5.05 GB | +19 GB | ≤216天花板 |
≤3B · 14
| 模型 | 量化档位 | 预估显存 | 余量 | tok/s |
|---|---|---|---|---|
| Qwen3 4B Instruct4B | Q6_K | 4.05 GB | +20 GB | ≤300天花板 |
| Phi-4 Mini Instruct3.8B | Q8_0 | 4.81 GB | +19.2 GB | ≤241天花板 |
| Phi-3.5 Mini Instruct3.8B | Q8_0 | 5.89 GB | +18.1 GB | ≤242天花板 |
| Granite 4.2 3B3B | Q8_0 | 4.41 GB | +19.6 GB | ≤254天花板 |
| Llama 3.2 3B Instruct3B | Q8_0 | 4.05 GB | +20 GB | ≤289天花板 |
| Qwen2.5 3B Instruct3B | Q8_0 | 3.59 GB | +20.4 GB | ≤300天花板 |
| SmolLM3 3B3B | Q8_0 | 3.73 GB | +20.3 GB | ≤301天花板 |
| Gemma 2 2B Instruct2B | Q8_0 | 3.34 GB | +20.7 GB | ≤356天花板 |
| Qwen3.5 2B2B | Q8_0 | 2.23 GB | +21.8 GB | ≤473天花板 |
| Qwen3 1.7B Instruct1.7B | Q8_0 | 2.39 GB | +21.6 GB | ≤538天花板 |
| Qwen2.5 1.5B Instruct1.5B | Q8_0 | 1.83 GB | +22.2 GB | ≤604天花板 |
| Llama 3.2 1B Instruct1B | Q8_0 | 1.51 GB | +22.5 GB | ≤749天花板 |
| Qwen3.5 0.8B0.8B | Q8_0 | 0.94 GB | +23.1 GB | ≤1156天花板 |
| Qwen2.5 0.5B Instruct0.5B | Q8_0 | 0.6 GB | +23.4 GB | ≤1910天花板 |
这个列表是怎么算出来的
每一行取该模型中困惑度损失最低、且预估总量（权重 + 4K 上下文下的 KV 缓存 + 激活缓冲）不超过显存 88% 的量化档位。88% 是计算器的"绿色"阈值，因此这里每一行都留有真实余量，而不是刚好装下。提高上下文长度，列表会变短；计算器可直接验证任意组合。速度一列是这张卡自己的：实测、按这张卡的 Llama 2 7B 跑分缩放出来的范围，或带宽天花板。只有 RTX 4090 上才有的数字会标明是那张卡。
另有 3 个模型能加载但不留余量（占用至多为显存的 105%）—— 模型库的显卡快捷筛选把它们也计入，因此那里的数字更大。
在这张卡上的实测数据
本索引中有 1 条基准记录是在 RTX 3090 上跑出来的。本页其余内容都是计算得出，而非实测。
| 模型 | 软件栈 | tok/s | 显存占用 |
|---|---|---|---|
| Llama 3.1 8B | ExLlamaV2 · EXL2 4.65bpw | 175 | 5.4 GB |
显存预算相同的显卡
能装下什么由显存决定，所以同类型的每张 24GB 显卡返回的列表都一样。这几个页面给出的不是不同答案 —— 它们的差别在吞吐，而本索引并未逐卡实测吞吐。
能装的模型一样，速度不一样——让同一句话在两张卡上并排流出来： RTX 3090 对比 RTX 4090（Gemma 4 31B IT）
这张卡的部署指南
针对 RTX 3090 的运行时或显存容量编写的分步指南，包括具体命令，以及确认模型确实跑在这张卡上的检查方法。
再往上一档
RTX 5090（32GB）比这张卡多装下 4 个索引内的模型。 RTX 5090 →
买之前，先用两张卡都装得下的模型听听速度差多少： RTX 3090 对比 RTX 5090（Gemma 4 31B IT） →
常见问题
RTX 3090 上最适合本地运行的大模型是哪个？
日常使用推荐 ERNIE 4.5 21B-A3B（Q4_K_M）—— 在 4K 上下文下约占这张卡 24 GB 中的 14.1 GB，还剩 10.0 GB 给更长的窗口。如果你要的是能加载的最大模型，那是 Seed-OSS 36B Instruct（AWQ INT4，约 19.9 GB，余量 4.1 GB）。这里的「最适合」指的是最契合显存预算 —— 本索引不跑任务基准，无法告诉你哪个模型更聪明。
RTX 3090 能跑 Mixtral 8x7B Instruct 吗？
勉强。它在本索引中最小的构建 AWQ INT4 约需 24.9 GB，而这张卡可用约 24.0 GB —— 在没有其他程序占用时能加载，但没有任何余量留给更长的上下文。上面的清单里没有它，因为那份清单要求模型占用不超过可用显存的 88%。
RTX 3090 跑 8B 模型的 Q4 量化大概有多少 tok/s？
本索引在这张卡上有 1 条实测记录，数据见本页表格。可以从规格推出的是：生成一个 token 需要把每个权重都读一遍，Llama 3.1 8B Instruct 在 Q4_K_M 下权重为 4.6 GB，而这张卡的带宽是 936 GB/s —— 上限约 203 tok/s。批大小、上下文长度、运行时以及缓存命中情况都会把实际值压到这个数以下。
本地跑大模型，RTX 3090 还是 RTX 4090？
两张卡装得下的模型相同：24 GB 与 24 GB 在 4K 下分别可从容运行 110 个中的 84 个与 84 个。差别在吞吐 —— 936 GB/s 对 1,008 GB/s，读取权重的速度相差 1.1 倍，而 token 生成正是受此限制。两张卡都装得下的模型，RTX 4090 生成更快。
在 24GB、4K 上下文下，索引中 110 个模型有 84 个可从容运行，各自取仍留有余量的最高质量档位。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-10-18 RSS → /zh/feed.xml