RTX 3090 vs RTX 4090 로컬 LLM 비교
시스템 RAM 32GB(DDR5-5600), Windows, 이 GPU로 화면 출력, 8k 컨텍스트, f16 KV 캐시를 기준으로 계산했습니다.
고르기 전에 알아 둘 점
두 카드는 VRAM이 24GB로 같아 CanRun 계산으로 쓸 수 있는 메모리도 23.4GB로 같습니다. GPU에 다 들어가는 모델과 양자화 파일도 똑같고, 판정은 속도에서만 갈립니다. DeepSeek R1 Distill Qwen 32B는 늘 생각 모드로 답해서 속도 기준이 더 엄격합니다. 두 카드의 추정 속도가 기준선에 걸쳐 있어 RTX 3090에서는 원활하게, RTX 4090에서는 쾌적하게 돌아갑니다. 추정 범위가 겹치니 성능 차이가 크다는 뜻은 아닙니다. Qwen3 32B는 IQ4_XS 파일이면 RTX 3090에서도 쾌적하게 돌아갑니다.
토큰마다 가중치를 읽어야 해서 생성 속도는 메모리 대역폭이 정합니다. 두 카드는 이 값이 비슷합니다. 크게 다른 것은 첫 토큰 전에 프롬프트를 읽는 속도를 정하는 FP16 연산 성능입니다. 긴 문서를 붙여 넣거나 RAG·코딩 에이전트로 큰 컨텍스트를 보낼 때 이 차이가 드러납니다. 이때 RTX 4090이 첫 토큰을 훨씬 빨리 낸다고 CanRun은 추정합니다(속도 가이드 참고). gpt-oss-20b는 아래 공개 벤치마크에서 생성 속도 차이가 추정보다 크게 나왔습니다. 측정 조건은 추정과 다릅니다.
GeForce RTX 3090 Ti도 VRAM이 24GB입니다. 대역폭은 1,008 GB/s로 GeForce RTX 4090과 같습니다. CanRun 추정으로는 생성 속도도 그 카드와 비슷해 앞의 두 32B 모델이 쾌적하게 돌아갑니다. 다만 FP16 연산 성능은 GeForce RTX 3090에 가까워 프롬프트 처리는 그 카드와 비슷합니다. GeForce RTX 4090 Laptop은 VRAM이 16GB입니다. 여기서는 DeepSeek R1 Distill Qwen 32B가 넘쳐 느리게 돌아갑니다.
속도 비교
글 생성 속도는 RTX 4090 쪽이 RTX 3090보다 약 1.1배 빠릅니다. Q4_K_M(없으면 가장 가까운 양자화) 기준으로 둘 다 메모리에 전부 올라가는 모델 46개의 추정치로 중앙값을 냈습니다.
Qwen3.5 35B-A3B에서는 두 추정 범위가 겹칩니다. 실제 차이는 이보다 작을 수 있습니다.
- 기준 모델
- Qwen3.5 35B-A3B Q4_K_M(Q4_K_M 또는 가장 가까운 양자화로 둘 다 메모리에 전부 올라가는 가장 큰 모델)
- RTX 3090
- 추정 148.8 tok/s (119.1–178.6, 보정된 추정 ±20%)
- RTX 4090
- 추정 155.9 tok/s (124.7–187.1, 보정된 추정 ±20%)
- Qwen3.5 35B-A3B 프롬프트 처리
- RTX 3090: 약 4,046 tok/s (2,427–5,664, 대략적 추정 ±40%) · RTX 4090: 약 9,387 tok/s (5,632–13,141, 대략적 추정 ±40%)
사양 비교
| 항목 | RTX 3090 | RTX 4090 | 차이 |
|---|---|---|---|
| 메모리 | 24GB | 24GB | 같음 |
| 메모리 대역폭 | 936.0 GB/s | 1,008.0 GB/s | RTX 4090 쪽 1.08배 |
| FP16 연산 | 35.6 TFLOPS | 82.6 TFLOPS | RTX 4090 쪽 2.32배 |
| 출시 연도 | 2020 | 2022 | — |
| 가격 | 2026-08-09 기준 실거래가 US$1,050(약 139만 원) | 2026-08-09 기준 실거래가 US$2,755(약 365만 원) | — |
| 공개 벤치마크 결과 | 7건 | 13건 | — |
원화 금액은 미국 달러 가격을 2026-10-21 환율(1달러 1,326원)로 단순 환산한 참고값이라 국내 판매가와 다를 수 있습니다.
판정 요약
모델 58개를 Q4_K_M(없으면 가장 가까운 양자화)·8k 컨텍스트로 판정했습니다.
- RTX 3090쾌적44개원활4개겨우 가능0개불가10개
- RTX 4090쾌적46개원활2개겨우 가능0개불가10개
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
판정이 갈리는 모델
두 기기에서 판정이 다르게 나오는 모델 2개를 모았습니다.
옆으로 밀면 모든 열을 볼 수 있습니다.
| 모델 | RTX 3090 판정 | RTX 3090 속도 | RTX 4090 판정 | RTX 4090 속도 |
|---|---|---|---|---|
| DeepSeek R1 Distill Qwen 32BQ4_K_M | 원활 | 추정 29.8 tok/s26.2–33.4보정된 추정 ±12% | 쾌적 | 추정 32.1 tok/s28.2–35.9보정된 추정 ±12% |
| Qwen3 32BQ4_K_M | 원활 | 추정 29.9 tok/s26.3–33.5보정된 추정 ±12% | 쾌적 | 42.5 tok/s8k 추정 32.2 tok/s (28.3–36.1, 보정된 추정 ±12%)실측 1건 (512 컨텍스트) |
전체 모델 판정 비교
옆으로 밀면 모든 열을 볼 수 있습니다.
| 모델 | RTX 3090 판정 | RTX 3090 속도 | RTX 4090 판정 | RTX 4090 속도 |
|---|---|---|---|---|
| Qwen3.5 35B-A3BQ4_K_M | 쾌적 | 추정 148.8 tok/s119.1–178.6보정된 추정 ±20% | 쾌적 | 추정 155.9 tok/s124.7–187.1보정된 추정 ±20% |
| Qwen3.6 35B-A3BQ4_K_M | 쾌적 | 추정 164.6 tok/s131.6–197.5보정된 추정 ±20% | 쾌적 | 추정 171.9 tok/s137.5–206.2보정된 추정 ±20% |
| MiniCPM-V 4.7 35B-A3BQ4_K_M | 쾌적 | 추정 174.2 tok/s139.3–209.0보정된 추정 ±20% | 쾌적 | 추정 181.6 tok/s145.3–217.9보정된 추정 ±20% |
| EXAONE 4.5 33BQ4_K_M | 쾌적 | 추정 31.8 tok/s28.0–35.6보정된 추정 ±12% | 쾌적 | 추정 34.3 tok/s30.2–38.4보정된 추정 ±12% |
| DeepSeek R1 Distill Qwen 32BQ4_K_M | 원활 | 추정 29.8 tok/s26.2–33.4보정된 추정 ±12% | 쾌적 | 추정 32.1 tok/s28.2–35.9보정된 추정 ±12% |
| Qwen3 32BQ4_K_M | 원활 | 추정 29.9 tok/s26.3–33.5보정된 추정 ±12% | 쾌적 | 42.5 tok/s8k 추정 32.2 tok/s (28.3–36.1, 보정된 추정 ±12%)실측 1건 (512 컨텍스트) |
| EXAONE 4.0 32BQ4_K_M | 쾌적 | 추정 33.0 tok/s29.0–36.9보정된 추정 ±12% | 쾌적 | 추정 35.5 tok/s31.2–39.8보정된 추정 ±12% |
| Gemma 4 31BQ4_K_M | 쾌적 | 추정 34.5 tok/s30.4–38.6보정된 추정 ±12% | 쾌적 | 추정 37.2 tok/s32.7–41.6보정된 추정 ±12% |
| Qwen3 30B-A3B (2507)Q4_K_M | 추정 140.6 tok/s112.5–168.7보정된 추정 ±20% | 추정 146.7 tok/s117.4–176.1보정된 추정 ±20% | ||
| Muse Glimmer 30BQ4_K_M | 쾌적 | 추정 37.6 tok/s33.1–42.1보정된 추정 ±12% | 쾌적 | 추정 40.5 tok/s35.6–45.4보정된 추정 ±12% |
| Granite 4.2 30BQ4_K_M | 쾌적 | 추정 33.0 tok/s29.0–36.9보정된 추정 ±12% | 쾌적 | 추정 35.5 tok/s31.3–39.8보정된 추정 ±12% |
| Qwen3.5 27BQ4_K_M | 쾌적 | 추정 37.1 tok/s32.7–41.6보정된 추정 ±12% | 쾌적 | 44.8 tok/s8k 추정 40.0 tok/s (35.2–44.8, 보정된 추정 ±12%)실측 2건 (512/40k 컨텍스트) |
| Qwen3.6 27BQ4_K_M | 쾌적 | 추정 37.7 tok/s33.2–42.3보정된 추정 ±12% | 쾌적 | 추정 40.7 tok/s35.8–45.5보정된 추정 ±12% |
| Qwen3.8 27BQ4_K_M | 쾌적 | 추정 36.4 tok/s32.1–40.8보정된 추정 ±12% | 쾌적 | 49.8 tok/s8k 추정 39.3 tok/s (34.5–44.0, 보정된 추정 ±12%)실측 1건 (1k 컨텍스트) |
| Gemma 3 27BQ4_K_M | 쾌적 | 추정 38.0 tok/s33.5–42.6보정된 추정 ±12% | 쾌적 | 추정 41.0 tok/s36.1–45.9보정된 추정 ±12% |
| Gemma 4 26B-A4BQ4_K_M | 쾌적 | 108.0 tok/s8k 추정 134.9 tok/s (108.0–161.9, 보정된 추정 ±20%)실측 1건 (32k 컨텍스트) | 쾌적 | 추정 142.6 tok/s114.1–171.1보정된 추정 ±20% |
| Mistral Small 3.2 24BQ4_K_M | 쾌적 | 추정 41.8 tok/s36.8–46.8보정된 추정 ±12% | 쾌적 | 추정 45.0 tok/s39.6–50.4보정된 추정 ±12% |
| gpt-oss-20bMXFP4 | 162.0 tok/s8k 추정 201.1 tok/s (160.9–241.3, 보정된 추정 ±20%)실측 1건 (2k 컨텍스트) | 225.2 tok/s8k 추정 214.1 tok/s (171.3–256.9, 보정된 추정 ±20%)실측 1건 (2k 컨텍스트) | ||
| Kanana 1.5 15.7B-A3BQ4_K_M | 쾌적 | 추정 156.3 tok/s125.0–187.5보정된 추정 ±20% | 쾌적 | 추정 164.4 tok/s131.5–197.3보정된 추정 ±20% |
| Qwen3 14BQ4_K_M | 추정 63.4 tok/s55.7–71.0보정된 추정 ±12% | 추정 68.2 tok/s60.0–76.4보정된 추정 ±12% | ||
| DeepSeek R1 Distill Qwen 14BQ4_K_M | 쾌적 | 추정 61.8 tok/s54.4–69.2보정된 추정 ±12% | 쾌적 | 추정 66.6 tok/s58.6–74.5보정된 추정 ±12% |
| HyperCLOVA X SEED Think 14BQ4_K_M | 쾌적 | 추정 64.3 tok/s45.0–83.5이론 추정 ±30% | 쾌적 | 추정 69.2 tok/s48.4–90.0이론 추정 ±30% |
| Phi-4Q4_K_M | 쾌적 | 추정 61.1 tok/s53.7–68.4보정된 추정 ±12% | 쾌적 | 추정 65.8 tok/s57.9–73.7보정된 추정 ±12% |
| Gemma 3 12BQ4_K_M | 추정 83.6 tok/s73.6–93.6보정된 추정 ±12% | 추정 90.0 tok/s79.2–100.8보정된 추정 ±12% | ||
| Mellum2.1 12B-A2.5B ThinkingQ4_K_M | 쾌적 | 추정 241.5 tok/s193.2–289.9보정된 추정 ±20% | 쾌적 | 추정 252.0 tok/s201.6–302.5보정된 추정 ±20% |
| Gemma 4 12BQ4_K_M | 쾌적 | 추정 90.3 tok/s79.5–101.2보정된 추정 ±12% | 쾌적 | 추정 97.3 tok/s85.6–108.9보정된 추정 ±12% |
| Qwen3.5 9BQ4_K_M | 쾌적 | 추정 106.7 tok/s93.9–119.5보정된 추정 ±12% | 쾌적 | 127.5 tok/s8k 추정 114.9 tok/s (101.2–128.7, 보정된 추정 ±12%)실측 2건 (512/40k 컨텍스트) |
| K2-Horizon 7BQ4_K_M | 쾌적 | 추정 96.4 tok/s84.8–107.9보정된 추정 ±12% | 쾌적 | 추정 103.8 tok/s91.3–116.3보정된 추정 ±12% |
| Qwen3 8BQ4_K_M | 쾌적 | 추정 105.0 tok/s92.4–117.6보정된 추정 ±12% | 쾌적 | 추정 113.1 tok/s99.5–126.7보정된 추정 ±12% |
| DeepSeek R1 0528 Qwen3 8BQ4_K_M | 쾌적 | 추정 105.0 tok/s92.4–117.6보정된 추정 ±12% | 쾌적 | 추정 113.1 tok/s99.5–126.7보정된 추정 ±12% |
| DeepSeek R1 Distill Llama 8BQ4_K_M | 쾌적 | 추정 109.3 tok/s96.2–122.4보정된 추정 ±12% | 쾌적 | 추정 117.7 tok/s103.6–131.8보정된 추정 ±12% |
| Kanana 1.5 8BQ4_K_M | 쾌적 | 추정 109.3 tok/s96.2–122.4보정된 추정 ±12% | 쾌적 | 추정 117.7 tok/s103.6–131.8보정된 추정 ±12% |
| Llama 3.1 8BQ4_K_M | 추정 109.3 tok/s96.2–122.4보정된 추정 ±12% | 91.0 tok/s8k 추정 117.7 tok/s (103.6–131.8, 보정된 추정 ±12%)실측 1건 (4k 컨텍스트) | ||
| Gemma 4 E4BQ4_K_M | 쾌적 | 추정 161.4 tok/s113.0–209.9이론 추정 ±30% | 쾌적 | 추정 171.0 tok/s119.7–222.3이론 추정 ±30% |
| Ling-3.0 TinyQ4_K_M | 쾌적 | 추정 377.2 tok/s264.1–490.4이론 추정 ±30% | 쾌적 | 추정 390.2 tok/s273.2–507.3이론 추정 ±30% |
| Gemma 4 E2BQ4_K_M | 쾌적 | 추정 269.1 tok/s188.4–349.8이론 추정 ±30% | 쾌적 | 추정 281.9 tok/s197.3–366.5이론 추정 ±30% |
| Qwen3.5 4BQ4_K_M | 쾌적 | 추정 211.5 tok/s186.1–236.8보정된 추정 ±12% | 쾌적 | 추정 227.7 tok/s200.4–255.1보정된 추정 ±12% |
| Nanbeige4.2 3BQ4_K_M | 쾌적 | 추정 106.9 tok/s74.9–139.0이론 추정 ±30% | 쾌적 | 추정 115.2 tok/s80.6–149.7이론 추정 ±30% |
| Spark-X2.5 4BQ4_K_M | 쾌적 | 추정 225.8 tok/s198.7–252.9보정된 추정 ±12% | 쾌적 | 추정 243.1 tok/s214.0–272.3보정된 추정 ±12% |
| Llama 3.2 3BQ4_K_M | 쾌적 | 추정 221.4 tok/s194.8–248.0보정된 추정 ±12% | 쾌적 | 추정 238.4 tok/s209.8–267.0보정된 추정 ±12% |
| LFM2.5 2.6BQ4_K_M | 쾌적 | 추정 363.1 tok/s254.2–472.1이론 추정 ±30% | 쾌적 | 추정 391.1 tok/s273.8–508.4이론 추정 ±30% |
| MiniCPM5 2BQ4_K_M | 쾌적 | 추정 342.6 tok/s301.5–383.7보정된 추정 ±12% | 쾌적 | 추정 369.0 tok/s324.7–413.3보정된 추정 ±12% |
| HyperCLOVA X SEED 1.5BQ4_K_M | 쾌적 | 추정 360.9 tok/s317.6–404.2보정된 추정 ±12% | 쾌적 | 추정 388.7 tok/s342.1–435.3보정된 추정 ±12% |
| EXAONE 4.0 1.2BQ4_K_M | 쾌적 | 추정 498.9 tok/s439.0–558.8보정된 추정 ±12% | 쾌적 | 추정 537.3 tok/s472.8–601.7보정된 추정 ±12% |
| Llama 3.2 1BQ4_K_M | 쾌적 | 추정 607.5 tok/s534.6–680.5보정된 추정 ±12% | 쾌적 | 추정 654.3 tok/s575.8–732.8보정된 추정 ±12% |
| MiniCPM5 1BQ4_K_M | 쾌적 | 추정 735.1 tok/s646.9–823.3보정된 추정 ±12% | 쾌적 | 추정 791.6 tok/s696.6–886.6보정된 추정 ±12% |
| K2-Horizon MoVA 36B-A4BQ4_K_M | 원활 | 추정 79.2 tok/s55.5–103.0이론 추정 ±30% | 원활 | 추정 82.6 tok/s57.8–107.4이론 추정 ±30% |
| Nemotron 3.5 Lightning 30B-A3BQ4_K_M | 원활 | 추정 122.0 tok/s85.4–158.7이론 추정 ±30% | 원활 | 추정 126.5 tok/s88.5–164.4이론 추정 ±30% |
| GLM-5.3 FlashQ4_K_M | 불가 | — | 불가 | — |
| DeepSeek V4 Flash 0731MXFP4 | 불가 | — | 불가 | — |
| Solar Open 2 250BIQ4_XS | 불가 | — | 불가 | — |
| Ling-3.0 FlashQ4_K_M | 불가 | — | 불가 | — |
| Qwen3.5 122B-A10BQ4_K_M | 불가UD-Q2_K_XL (품질 손실 큼): 원활 | 추정 41.3 tok/s28.9–53.6이론 추정 ±30% | 불가UD-Q2_K_XL (품질 손실 큼): 원활 | 추정 42.2 tok/s29.5–54.8이론 추정 ±30% |
| Laguna S 2.1Q4_K_M | 불가 | — | 불가 | — |
| gpt-oss-120bMXFP4 | — | — | ||
| Solar Open 100BQ4_K_M | 불가Q2_K (품질 손실 큼): 겨우 가능 | 추정 28.4 tok/s19.9–36.9이론 추정 ±30% | 불가Q2_K (품질 손실 큼): 겨우 가능 | 추정 28.9 tok/s20.2–37.5이론 추정 ±30% |
| Kolibri 1Q4_K_M | 불가IQ4_XS: 원활 | 추정 68.5 tok/s47.9–89.0이론 추정 ±30% | 불가IQ4_XS: 원활 | 추정 70.1 tok/s49.0–91.1이론 추정 ±30% |
| Llama 3.3 70BQ4_K_M | 불가IQ4_XS: 겨우 가능 | 추정 2.2 tok/s1.7–2.6보정된 추정 ±20% | 불가IQ4_XS: 겨우 가능 | 추정 2.2 tok/s1.8–2.6보정된 추정 ±20% |
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.
공개 벤치마크
RTX 3090 벤치마크 결과
| 모델 | 양자화 | 백엔드 | 컨텍스트 | 프롬프트 (tok/s) | 생성 (tok/s) | 플래그 | 출처 | 측정일 |
|---|---|---|---|---|---|---|---|---|
| llama-2-7b | Q4_0 | llama.cpp | 512 | 5,175.0 | 158.2 | — | github.com | 2025-08-01 |
| gpt-oss-20b | MXFP4 | llama.cpp | 2k | 5,143.0 | 162.0 | — | github.com | 2025-08-20 |
| Qwen3 8B | Q4_K_XL | llama.cpp | 16k | — | 87.5 | — | hardware-corner.net | 2026-08-09 |
| Qwen3 30B-A3B (2507) | Q4_K_XL | llama.cpp | 16k | — | 113.8 | — | hardware-corner.net | 2026-08-09 |
| Gemma 4 26B-A4B | Q4_K_M | ollama | 32k | — | 108.0 | FA off | github.com | 2026-04-07 |
| Qwen3 8B | Q4_K_XL | llama.cpp | 4k | 4,050.0 | 115.3 | CUDA | hardware-corner.net | 2025-12-09 |
| Qwen3 32B | Q4_K_XL | llama.cpp | 4k | 1,088.0 | 35.1 | CUDA | hardware-corner.net | 2025-12-09 |
RTX 4090 벤치마크 결과
| 모델 | 양자화 | 백엔드 | 컨텍스트 | 프롬프트 (tok/s) | 생성 (tok/s) | 플래그 | 출처 | 측정일 |
|---|---|---|---|---|---|---|---|---|
| llama-2-7b | Q4_0 | llama.cpp | 512 | 11,993.0 | 186.2 | — | github.com | 2025-08-06 |
| gpt-oss-20b | MXFP4 | llama.cpp | 2k | 8,078.0 | 225.2 | — | github.com | 2025-08-20 |
| Qwen3 8B | Q4_K_XL | llama.cpp | 16k | — | 104.3 | — | hardware-corner.net | 2026-08-09 |
| Qwen3 30B-A3B (2507) | Q4_K_XL | llama.cpp | 16k | — | 139.7 | — | hardware-corner.net | 2026-08-09 |
| Llama 3.1 8B | Q4_K_M | llama.cpp | 4k | 6,697.0 | 91.0 | ctx-weighted | localscore.ai | 2026-08-09 |
| Qwen3.8 27B | Q4_K_M | llama.cpp | 1k | 3,073.0 | 49.8 | CUDA | github.com | 2026-09-12 |
| Qwen3.5 9B | Q4_K_M | ollama | 40k | — | 133.0 | — | github.com | 2026-10-12 |
| Qwen3.5 27B | Q4_K_M | ollama | 40k | — | 47.6 | — | github.com | 2026-10-12 |
| Qwen3.5 9B | Q4_K_M | llama.cpp | 512 | — | 122.0 | — | github.com | 2026-10-14 |
| Qwen3.5 27B | Q4_K_M | llama.cpp | 512 | — | 42.0 | — | github.com | 2026-10-14 |
| Qwen3 8B | Q4_K_XL | llama.cpp | 4k | 9,251.0 | 141.3 | CUDA | hardware-corner.net | 2026-03-01 |
| Qwen3 32B | Q4_K_XL | llama.cpp | 4k | 2,448.0 | 39.6 | CUDA | hardware-corner.net | 2026-03-01 |
| Qwen3 32B | Q4_K_M | llama.cpp | 512 | 2,302.0 | 42.5 | Vulkan | github.com | 2025-12-09 |
보정에 쓰는 공개 벤치마크입니다. 측정 조건(컨텍스트·백엔드·플래그)은 위 추정과 다를 수 있습니다.
자주 묻는 질문
로컬 LLM은 RTX 3090·RTX 4090 중 어느 쪽이 더 빠른가요?
글 생성 속도는 RTX 4090 쪽이 RTX 3090보다 약 1.1배 빠릅니다. Q4_K_M(없으면 가장 가까운 양자화) 기준으로 둘 다 메모리에 전부 올라가는 모델 46개의 추정치로 중앙값을 냈습니다. Qwen3.5 35B-A3B Q4_K_M 기준 예상 속도는 RTX 3090 추정 148.8 tok/s (119.1–178.6, 보정된 추정 ±20%), RTX 4090 추정 155.9 tok/s (124.7–187.1, 보정된 추정 ±20%)입니다.
두 기기에 각각 통째로 올라가는 가장 큰 모델은 무엇인가요?
RTX 3090에서는 Qwen3.5 35B-A3B Q4_K_M(22.63GB 파일)까지 24GB에 전부 올라가고, 속도는 추정 148.8 tok/s (119.1–178.6, 보정된 추정 ±20%)입니다. RTX 4090에서는 Qwen3.5 35B-A3B Q4_K_M(22.63GB 파일)까지 24GB에 전부 올라가고, 속도는 추정 155.9 tok/s (124.7–187.1, 보정된 추정 ±20%)입니다.
두 기기에서 원활하게 돌아가는 로컬 LLM은 각각 몇 개인가요?
Q4_K_M·8k 컨텍스트 기준으로 등록된 모델 58개를 보면 RTX 3090: 쾌적 44개·원활 4개·겨우 가능 0개·불가 10개, RTX 4090: 쾌적 46개·원활 2개·겨우 가능 0개·불가 10개입니다. 판정이 갈리는 모델은 2개입니다.
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.