GeForce RTX 3080 12GB에서 돌아가는 로컬 LLM

시스템 RAM 32GB(DDR5-5600), Windows, 이 GPU로 화면 출력, 8k 컨텍스트, f16 KV 캐시를 기준으로 계산했습니다.

사양

VRAM: 12GB
메모리 대역폭: 912.0 GB/s
FP16 연산: 30.6 TFLOPS
출시 연도: 2022
가격: 출시가 US$799(약 106만 원)
다른 표기: 3080 12GB

원화 금액은 미국 달러 가격을 2026-10-21 환율(1달러 1,326원)로 단순 환산한 참고값이라 국내 판매가와 다를 수 있습니다.

판정 요약

Q4_K_M(없으면 가장 가까운 양자화), 8k 컨텍스트 기준입니다.

쾌적27개원활9개겨우 가능13개불가10개양자화를 더 낮추면 2개가 더 돌아갑니다.

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

한국 모델

EXAONE, HyperCLOVA X SEED, Kanana, Solar가 이 기기에서 어떻게 돌아가는지 보여 줍니다.

GeForce RTX 3080 12GB 전체 모델 판정

dense 모델을 GPU와 CPU에 나눠 올리면 속도가 크게 떨어집니다. 전체 속도가 느린 CPU 쪽에 맞춰지기 때문입니다. 전문가만 시스템 RAM에 두는 MoE 모델은 훨씬 덜 느려집니다.

옆으로 밀면 모든 열을 볼 수 있습니다.

모델 59개(판정·속도 순)
모델	판정	속도	양자화	메모리	실행 방식	컨텍스트	참고
MiniCPM5 1B	쾌적	추정 716.2 tok/s630.3–802.2보정된 추정 ±12%	Q4_K_M	1.9 / 12.0GB	풀 GPU	최대 128k	생각 모드
Llama 3.2 1B	쾌적	추정 592.0 tok/s520.9–663.0보정된 추정 ±12%	Q4_K_M	2.2 / 12.0GB	풀 GPU	최대 128k	—
EXAONE 4.0 1.2B	쾌적	추정 486.1 tok/s427.8–544.4보정된 추정 ±12%	Q4_K_M	2.5 / 12.0GB	풀 GPU	최대 64k	생각 모드
Ling-3.0 Tiny	쾌적	추정 372.7 tok/s260.9–484.5이론 추정 ±30%	Q4_K_M	5.9 / 12.0GB	풀 GPU	최대 128k	생각 모드
LFM2.5 2.6B	쾌적	추정 353.8 tok/s247.7–460.0이론 추정 ±30%	Q4_K_M	3.0 / 12.0GB	풀 GPU	최대 128k	생각 모드
HyperCLOVA X SEED 1.5B	쾌적	추정 351.7 tok/s309.5–393.9보정된 추정 ±12%	Q4_K_M	3.0 / 12.0GB	풀 GPU	최대 16k	—
MiniCPM5 2B	쾌적	추정 333.8 tok/s293.8–373.9보정된 추정 ±12%	Q4_K_M	2.9 / 12.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E2B	쾌적	추정 264.7 tok/s185.3–344.1이론 추정 ±30%	Q4_K_M	2.7 / 12.0GB	풀 GPU	최대 128k	생각 모드
Mellum2.1 12B-A2.5B Thinking	쾌적	추정 237.9 tok/s190.3–285.5보정된 추정 ±20%	Q4_K_M	9.2 / 12.0GB	풀 GPU	최대 64k	생각 모드
Spark-X2.5 4B	쾌적	추정 220.0 tok/s193.6–246.4보정된 추정 ±12%	Q4_K_M	4.1 / 12.0GB	풀 GPU	최대 128k	생각 모드
Llama 3.2 3B	쾌적	추정 215.7 tok/s189.8–241.6보정된 추정 ±12%	Q4_K_M	4.1 / 12.0GB	풀 GPU	최대 64k	—
Qwen3.5 4B	쾌적	추정 206.0 tok/s181.3–230.8보정된 추정 ±12%	Q4_K_M	4.2 / 12.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E4B	쾌적	추정 158.2 tok/s110.7–205.6이론 추정 ±30%	Q4_K_M	4.3 / 12.0GB	풀 GPU	최대 128k	생각 모드
DeepSeek R1 Distill Llama 8B	쾌적	추정 106.5 tok/s93.7–119.3보정된 추정 ±12%	Q4_K_M	6.9 / 12.0GB	풀 GPU	최대 32k	생각 모드
Kanana 1.5 8B	쾌적	추정 106.5 tok/s93.7–119.3보정된 추정 ±12%	Q4_K_M	6.9 / 12.0GB	풀 GPU	최대 32k	—
Llama 3.1 8B	쾌적	추정 106.5 tok/s93.7–119.3보정된 추정 ±12%	Q4_K_M	6.9 / 12.0GB	풀 GPU	최대 32k	—
Nanbeige4.2 3B	쾌적	추정 104.2 tok/s72.9–135.5이론 추정 ±30%	Q4_K_M	5.0 / 12.0GB	풀 GPU	최대 32k	생각 모드
Qwen3.5 9B	쾌적	추정 104.0 tok/s91.5–116.5보정된 추정 ±12%	Q4_K_M	6.6 / 12.0GB	풀 GPU	최대 128k	생각 모드
DeepSeek R1 0528 Qwen3 8B	쾌적	추정 102.3 tok/s90.1–114.6보정된 추정 ±12%	Q4_K_M	7.1 / 12.0GB	풀 GPU	최대 32k	생각 모드
Qwen3 8B	쾌적	추정 102.3 tok/s90.1–114.6보정된 추정 ±12%	Q4_K_M	7.1 / 12.0GB	풀 GPU	최대 32k	생각 모드
K2-Horizon 7B	쾌적	추정 93.9 tok/s82.6–105.2보정된 추정 ±12%	Q4_K_M	7.4 / 12.0GB	풀 GPU	최대 32k	생각 모드
Gemma 4 12B	쾌적	추정 88.0 tok/s77.4–98.6보정된 추정 ±12%	Q4_K_M	8.4 / 12.0GB	풀 GPU	최대 128k	생각 모드
Gemma 3 12B	쾌적	추정 81.5 tok/s71.7–91.2보정된 추정 ±12%	Q4_K_M	9.0 / 12.0GB	풀 GPU	최대 32k	—
HyperCLOVA X SEED Think 14B	쾌적	추정 62.6 tok/s43.8–81.4이론 추정 ±30%	Q4_K_M	11.0 / 12.0GB	풀 GPU	최대 8k	생각 모드
Qwen3 14B	쾌적	추정 61.7 tok/s54.3–69.1보정된 추정 ±12%	Q4_K_M	11.1 / 12.0GB	풀 GPU	최대 8k	생각 모드
DeepSeek R1 Distill Qwen 14B	쾌적	추정 60.2 tok/s53.0–67.4보정된 추정 ±12%	Q4_K_M	11.3 / 12.0GB	풀 GPU	최대 8k	생각 모드
Phi-4	쾌적	추정 59.5 tok/s52.4–66.7보정된 추정 ±12%	Q4_K_M	11.6 / 12.0GB	풀 GPU	최대 8k	—
Kanana 1.5 15.7B-A3B	원활	추정 112.8 tok/s79.0–146.6이론 추정 ±30%	Q4_K_M	11.6 / 12.0GB + RAM 1.1GB	MoE 전문가 RAM 배치	최대 32k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. IQ4_XS: 쾌적
gpt-oss-20b	원활	추정 105.4 tok/s73.8–137.0이론 추정 ±30%	MXFP4	11.2 / 12.0GB + RAM 2.3GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
MiniCPM-V 4.7 35B-A3B	원활	추정 78.2 tok/s54.8–101.7이론 추정 ±30%	Q4_K_M	11.5 / 12.0GB + RAM 11.0GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Qwen3.6 35B-A3B	원활	추정 74.4 tok/s52.1–96.7이론 추정 ±30%	Q4_K_M	11.2 / 12.0GB + RAM 12.4GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Qwen3.5 35B-A3B	원활	추정 69.3 tok/s48.5–90.1이론 추정 ±30%	Q4_K_M	11.2 / 12.0GB + RAM 12.8GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Gemma 4 26B-A4B	원활	추정 59.3 tok/s41.5–77.1이론 추정 ±30%	Q4_K_M	11.1 / 12.0GB + RAM 7.2GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. UD-Q2_K_XL (품질 손실 큼): 쾌적 생각 모드
Qwen3 30B-A3B (2507)	원활	추정 53.8 tok/s37.6–69.9이론 추정 ±30%	Q4_K_M	11.6 / 12.0GB + RAM 9.0GB	MoE 전문가 RAM 배치	최대 64k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다.
Nemotron 3.5 Lightning 30B-A3B	원활	추정 50.3 tok/s35.2–65.4이론 추정 ±30%	Q4_K_M	10.8 / 12.0GB + RAM 15.9GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
K2-Horizon MoVA 36B-A4B	원활	추정 31.0 tok/s21.7–40.3이론 추정 ±30%	Q4_K_M	11.6 / 12.0GB + RAM 13.5GB	MoE 전문가 RAM 배치	최대 8k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Mistral Small 3.2 24B	겨우 가능	추정 7.4 tok/s5.9–8.9보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 4.8GB	부분 오프로드	최대 32k	Q2_K (품질 손실 큼): 쾌적
Muse Glimmer 30B	겨우 가능	추정 6.1 tok/s4.8–7.3보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.6GB	부분 오프로드	최대 128k	Q2_K (품질 손실 큼): 쾌적 생각 모드
Gemma 3 27B	겨우 가능	추정 6.1 tok/s4.8–7.3보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.4GB	부분 오프로드	최대 64k	Q2_K (품질 손실 큼): 원활
Qwen3.6 27B	겨우 가능	추정 6.0 tok/s4.8–7.2보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.5GB	부분 오프로드	최대 64k	생각 모드
Qwen3.5 27B	겨우 가능	추정 5.8 tok/s4.6–6.9보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 6.8GB	부분 오프로드	최대 64k	생각 모드
Qwen3.8 27B	겨우 가능	추정 5.5 tok/s4.4–6.6보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 7.2GB	부분 오프로드	최대 64k	Q2_K (품질 손실 큼): 쾌적 생각 모드
Gemma 4 31B	겨우 가능	추정 4.9 tok/s3.9–5.8보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 8.2GB	부분 오프로드	최대 32k	생각 모드
EXAONE 4.0 32B	겨우 가능	추정 4.5 tok/s3.6–5.4보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 9.1GB	부분 오프로드	최대 32k	생각 모드
EXAONE 4.5 33B	겨우 가능	추정 4.2 tok/s3.3–5.0보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 9.8GB	부분 오프로드	최대 32k	생각 모드
Granite 4.2 30B	겨우 가능	추정 4.1 tok/s3.3–5.0보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 9.0GB	부분 오프로드	최대 16k	생각 모드
Qwen3 32B	겨우 가능	추정 3.5 tok/s2.8–4.1보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 11.1GB	부분 오프로드	최대 8k	생각 모드
DeepSeek R1 Distill Qwen 32B	겨우 가능	추정 3.4 tok/s2.7–4.1보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 11.2GB	부분 오프로드	최대 8k	생각 모드
Nanbeige4.3 33B	겨우 가능	추정 3.3 tok/s2.7–4.0보정된 추정 ±20%	Q4_K_M	12.0 / 12.0GB + RAM 11.7GB	부분 오프로드	최대 8k	생각 모드
Kolibri 1	불가Q2_K (품질 손실 큼): 원활	추정 76.9 tok/s53.9–100.0이론 추정 ±30%	Q2_K	11.2 / 12.0GB + RAM 20.1GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. RAM 64GB라면: 원활 생각 모드
Llama 3.3 70B	불가Q2_K (품질 손실 큼): 겨우 가능	추정 2.2 tok/s1.7–2.6보정된 추정 ±20%	Q2_K	12.0 / 12.0GB + RAM 18.2GB	부분 오프로드	최대 8k	—
DeepSeek V4 Flash 0731	불가	—	MXFP4	155.1GB 필요	—	—	약 155.1GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. 생각 모드
GLM-5.3 Flash	불가	—	Q4_K_M	181.4GB 필요	—	—	약 181.4GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. 생각 모드
gpt-oss-120b	불가	—	MXFP4	63.6GB 필요	—	—	약 63.6GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 겨우 가능 생각 모드
Laguna S 2.1	불가	—	Q4_K_M	68.5GB 필요	—	—	약 68.5GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 겨우 가능 생각 모드
Ling-3.0 Flash	불가	—	Q4_K_M	75.4GB 필요	—	—	약 75.4GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 96GB라면: 원활 생각 모드
Qwen3.5 122B-A10B	불가	—	Q4_K_M	76.6GB 필요	—	—	약 76.6GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 96GB라면: 겨우 가능 생각 모드
Solar Open 100B	불가	—	Q4_K_M	64.0GB 필요	—	—	약 64.0GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 겨우 가능 생각 모드
Solar Open 2 250B	불가	—	IQ4_XS	136.5GB 필요	—	—	약 136.5GB가 필요한데, 쓸 수 있는 VRAM은 11.4GB, 여유 RAM은 28.0GB입니다. 생각 모드

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.

GeForce RTX 3080 12GB 벤치마크 결과

이 기기로 잰 공개 벤치마크 결과는 아직 없습니다.

자주 묻는 질문

GeForce RTX 3080 12GB에 통째로 올라가는 가장 큰 모델은 무엇인가요?

Kanana 1.5 15.7B-A3B IQ4_XS(8.71GB 파일)입니다. 8k 컨텍스트에서 12GB에 전부 올라가고, 속도는 추정 162.6 tok/s (130.0–195.1, 보정된 추정 ±20%)입니다.

GeForce RTX 3080 12GB에서 원활하게 돌아가는 로컬 LLM은 몇 개인가요?

Q4_K_M·8k 컨텍스트 기준으로 등록된 모델 59개를 보면 쾌적 27개, 원활 9개, 겨우 가능 13개, 불가 10개입니다.

GeForce RTX 3080 12GB에서 Llama 3.3 70B 같은 70B 모델을 돌릴 수 있나요?

Q2_K (품질 손실 큼), 부분 오프로드 기준 판정: 겨우 가능, 속도: 추정 2.2 tok/s (1.7–2.6, 보정된 추정 ±20%).

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.

사양