GeForce RTX 3090에서 돌아가는 로컬 LLM

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

GeForce RTX 3090 사용자가 알아 둘 점

RTX 3090은 VRAM 24GB에 메모리 대역폭이 936 GB/s입니다. Gemma 4 31B와 Qwen3.8 27B 같은 dense 모델이 Q4_K_M으로 GPU에 전부 올라가 쾌적하게 돌아갑니다. 한국 모델 EXAONE 4.5 33B도 마찬가지입니다. Qwen3 32B는 전부 올라가지만 원활하게 돌아가는 정도입니다. 생각 모드가 있는 모델이라 CanRun이 속도 기준을 1.5배 엄격하게 잡기 때문입니다. MoE 모델은 훨씬 빠릅니다. Qwen3 30B-A3B는 전부 올라가 쾌적하게 돌아갑니다. 자세한 숫자는 GeForce RTX 3090에서 Qwen3 30B-A3B (2507) 페이지에 있습니다. Qwen3.5 35B-A3B도 8k에서 여유는 적지만 쾌적하게 돌아갑니다. 다만 Nemotron 3.5 Lightning 30B-A3B는 조금 넘쳐서 전문가 일부를 시스템 RAM에 둡니다.

24GB의 한계는 70B입니다. Llama 3.3 70B는 Q4_K_M 기준 45.2GB가 필요해 절반 가까이를 시스템 RAM에 둬야 합니다. CanRun 계산으로는 너무 느려서 쓰기 어렵고, IQ4_XS 파일도 느리게 돌아갑니다. gpt-oss-120b는 시스템 RAM 32GB로는 아예 올라가지 않습니다. RAM이 64GB면 전문가를 RAM에 두고 느리게 돌아간다고 CanRun은 추정합니다(이론 추정 ±30%). 계산기에서는 카드 두 장을 함께 계산해 볼 수도 있습니다.

GeForce RTX 4090도 VRAM이 24GB라 올라가는 모델은 같고 속도만 더 빠릅니다. CanRun 데이터의 가격은 그 카드가 2026-08-09 기준 실거래가 US$2,755, 이 카드가 2026-08-09 기준 실거래가 US$1,050입니다.

사양

VRAM: 24GB
메모리 대역폭: 936.0 GB/s
FP16 연산: 35.6 TFLOPS
출시 연도: 2020
가격: 2026-08-09 기준 실거래가 US$1,050(약 139만 원)
다른 표기: 3090, RTX3090

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.

쾌적44개원활5개겨우 가능0개불가10개양자화를 더 낮추면 4개가 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 3090 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 735.1 tok/s646.9–823.3보정된 추정 ±12%	Q4_K_M	1.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
Llama 3.2 1B	쾌적	추정 607.5 tok/s534.6–680.5보정된 추정 ±12%	Q4_K_M	2.2 / 24.0GB	풀 GPU	최대 128k	—
EXAONE 4.0 1.2B	쾌적	추정 498.9 tok/s439.0–558.8보정된 추정 ±12%	Q4_K_M	2.5 / 24.0GB	풀 GPU	최대 64k	생각 모드
Ling-3.0 Tiny	쾌적	추정 377.2 tok/s264.1–490.4이론 추정 ±30%	Q4_K_M	5.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
LFM2.5 2.6B	쾌적	추정 363.1 tok/s254.2–472.1이론 추정 ±30%	Q4_K_M	3.0 / 24.0GB	풀 GPU	최대 128k	생각 모드
HyperCLOVA X SEED 1.5B	쾌적	추정 360.9 tok/s317.6–404.2보정된 추정 ±12%	Q4_K_M	3.0 / 24.0GB	풀 GPU	최대 16k	—
MiniCPM5 2B	쾌적	추정 342.6 tok/s301.5–383.7보정된 추정 ±12%	Q4_K_M	2.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E2B	쾌적	추정 269.1 tok/s188.4–349.8이론 추정 ±30%	Q4_K_M	2.7 / 24.0GB	풀 GPU	최대 128k	생각 모드
Mellum2.1 12B-A2.5B Thinking	쾌적	추정 241.5 tok/s193.2–289.9보정된 추정 ±20%	Q4_K_M	9.2 / 24.0GB	풀 GPU	최대 128k	생각 모드
Spark-X2.5 4B	쾌적	추정 225.8 tok/s198.7–252.9보정된 추정 ±12%	Q4_K_M	4.1 / 24.0GB	풀 GPU	최대 256k	생각 모드
Llama 3.2 3B	쾌적	추정 221.4 tok/s194.8–248.0보정된 추정 ±12%	Q4_K_M	4.1 / 24.0GB	풀 GPU	최대 128k	—
Qwen3.5 4B	쾌적	추정 211.5 tok/s186.1–236.8보정된 추정 ±12%	Q4_K_M	4.2 / 24.0GB	풀 GPU	최대 256k	생각 모드
MiniCPM-V 4.7 35B-A3B	쾌적	추정 174.2 tok/s139.3–209.0보정된 추정 ±20%	Q4_K_M	22.2 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3.6 35B-A3B	쾌적GeForce RTX 3090에서 Qwen3.6 35B-A3B 판정 보기	추정 164.6 tok/s131.6–197.5보정된 추정 ±20%	Q4_K_M	22.4 / 24.0GB	풀 GPU	최대 32k	생각 모드
gpt-oss-20b	쾌적GeForce RTX 3090에서 gpt-oss-20b 판정 보기	162.0 tok/s8k 추정 201.1 tok/s (160.9–241.3, 보정된 추정 ±20%)실측 1건 (2k 컨텍스트)	MXFP4	12.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E4B	쾌적	추정 161.4 tok/s113.0–209.9이론 추정 ±30%	Q4_K_M	4.3 / 24.0GB	풀 GPU	최대 128k	생각 모드
Kanana 1.5 15.7B-A3B	쾌적	추정 156.3 tok/s125.0–187.5보정된 추정 ±20%	Q4_K_M	12.5 / 24.0GB	풀 GPU	최대 32k	—
Qwen3.5 35B-A3B	쾌적GeForce RTX 3090에서 Qwen3.5 35B-A3B 판정 보기	추정 148.8 tok/s119.1–178.6보정된 추정 ±20%	Q4_K_M	22.9 / 24.0GB	풀 GPU	최대 32k	생각 모드
Qwen3 30B-A3B (2507)	쾌적GeForce RTX 3090에서 Qwen3 30B-A3B (2507) 판정 보기	추정 140.6 tok/s112.5–168.7보정된 추정 ±20%	Q4_K_M	20.4 / 24.0GB	풀 GPU	최대 32k	—
DeepSeek R1 Distill Llama 8B	쾌적	추정 109.3 tok/s96.2–122.4보정된 추정 ±12%	Q4_K_M	6.9 / 24.0GB	풀 GPU	최대 64k	생각 모드
Kanana 1.5 8B	쾌적	추정 109.3 tok/s96.2–122.4보정된 추정 ±12%	Q4_K_M	6.9 / 24.0GB	풀 GPU	최대 32k	—
Llama 3.1 8B	쾌적GeForce RTX 3090에서 Llama 3.1 8B 판정 보기	추정 109.3 tok/s96.2–122.4보정된 추정 ±12%	Q4_K_M	6.9 / 24.0GB	풀 GPU	최대 64k	—
Gemma 4 26B-A4B	쾌적GeForce RTX 3090에서 Gemma 4 26B-A4B 판정 보기	108.0 tok/s8k 추정 134.9 tok/s (108.0–161.9, 보정된 추정 ±20%)실측 1건 (32k 컨텍스트)	Q4_K_M	18.3 / 24.0GB	풀 GPU	최대 128k	생각 모드
Nanbeige4.2 3B	쾌적	추정 106.9 tok/s74.9–139.0이론 추정 ±30%	Q4_K_M	5.0 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3.5 9B	쾌적GeForce RTX 3090에서 Qwen3.5 9B 판정 보기	추정 106.7 tok/s93.9–119.5보정된 추정 ±12%	Q4_K_M	6.6 / 24.0GB	풀 GPU	최대 256k	생각 모드
DeepSeek R1 0528 Qwen3 8B	쾌적	추정 105.0 tok/s92.4–117.6보정된 추정 ±12%	Q4_K_M	7.1 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3 8B	쾌적GeForce RTX 3090에서 Qwen3 8B 판정 보기	추정 105.0 tok/s92.4–117.6보정된 추정 ±12%	Q4_K_M	7.1 / 24.0GB	풀 GPU	최대 32k	생각 모드
K2-Horizon 7B	쾌적	추정 96.4 tok/s84.8–107.9보정된 추정 ±12%	Q4_K_M	7.4 / 24.0GB	풀 GPU	최대 64k	생각 모드
Gemma 4 12B	쾌적GeForce RTX 3090에서 Gemma 4 12B 판정 보기	추정 90.3 tok/s79.5–101.2보정된 추정 ±12%	Q4_K_M	8.4 / 24.0GB	풀 GPU	최대 256k	생각 모드
Gemma 3 12B	쾌적GeForce RTX 3090에서 Gemma 3 12B 판정 보기	추정 83.6 tok/s73.6–93.6보정된 추정 ±12%	Q4_K_M	9.0 / 24.0GB	풀 GPU	최대 128k	—
HyperCLOVA X SEED Think 14B	쾌적	추정 64.3 tok/s45.0–83.5이론 추정 ±30%	Q4_K_M	11.0 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3 14B	쾌적GeForce RTX 3090에서 Qwen3 14B 판정 보기	추정 63.4 tok/s55.7–71.0보정된 추정 ±12%	Q4_K_M	11.1 / 24.0GB	풀 GPU	최대 32k	생각 모드
DeepSeek R1 Distill Qwen 14B	쾌적	추정 61.8 tok/s54.4–69.2보정된 추정 ±12%	Q4_K_M	11.3 / 24.0GB	풀 GPU	최대 32k	생각 모드
Phi-4	쾌적	추정 61.1 tok/s53.7–68.4보정된 추정 ±12%	Q4_K_M	11.6 / 24.0GB	풀 GPU	최대 16k	—
Mistral Small 3.2 24B	쾌적	추정 41.8 tok/s36.8–46.8보정된 추정 ±12%	Q4_K_M	16.5 / 24.0GB	풀 GPU	최대 32k	—
Gemma 3 27B	쾌적	추정 38.0 tok/s33.5–42.6보정된 추정 ±12%	Q4_K_M	18.4 / 24.0GB	풀 GPU	최대 64k	—
Qwen3.6 27B	쾌적	추정 37.7 tok/s33.2–42.3보정된 추정 ±12%	Q4_K_M	17.8 / 24.0GB	풀 GPU	최대 64k	생각 모드
Muse Glimmer 30B	쾌적	추정 37.6 tok/s33.1–42.1보정된 추정 ±12%	Q4_K_M	17.8 / 24.0GB	풀 GPU	최대 128k	생각 모드
Qwen3.5 27B	쾌적GeForce RTX 3090에서 Qwen3.5 27B 판정 보기	추정 37.1 tok/s32.7–41.6보정된 추정 ±12%	Q4_K_M	17.8 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3.8 27B	쾌적GeForce RTX 3090에서 Qwen3.8 27B 판정 보기	추정 36.4 tok/s32.1–40.8보정된 추정 ±12%	Q4_K_M	18.2 / 24.0GB	풀 GPU	최대 64k	생각 모드
Gemma 4 31B	쾌적GeForce RTX 3090에서 Gemma 4 31B 판정 보기	추정 34.5 tok/s30.4–38.6보정된 추정 ±12%	Q4_K_M	20.1 / 24.0GB	풀 GPU	최대 32k	생각 모드
Granite 4.2 30B	쾌적	추정 33.0 tok/s29.0–36.9보정된 추정 ±12%	Q4_K_M	20.8 / 24.0GB	풀 GPU	최대 8k	생각 모드
EXAONE 4.0 32B	쾌적	추정 33.0 tok/s29.0–36.9보정된 추정 ±12%	Q4_K_M	20.8 / 24.0GB	풀 GPU	최대 32k	생각 모드
EXAONE 4.5 33B	쾌적	추정 31.8 tok/s28.0–35.6보정된 추정 ±12%	Q4_K_M	21.0 / 24.0GB	풀 GPU	최대 16k	생각 모드
Nemotron 3.5 Lightning 30B-A3B	원활	추정 122.0 tok/s85.4–158.7이론 추정 ±30%	Q4_K_M	22.7 / 24.0GB + RAM 4.0GB	MoE 전문가 RAM 배치	최대 256k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. IQ4_XS: 쾌적 생각 모드
K2-Horizon MoVA 36B-A4B	원활	추정 79.2 tok/s55.5–103.0이론 추정 ±30%	Q4_K_M	23.4 / 24.0GB + RAM 1.8GB	MoE 전문가 RAM 배치	최대 32k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. 생각 모드
Qwen3 32B	원활GeForce RTX 3090에서 Qwen3 32B 판정 보기	추정 29.9 tok/s26.3–33.5보정된 추정 ±12%	Q4_K_M	22.6 / 24.0GB	풀 GPU	최대 8k	IQ4_XS: 쾌적 생각 모드
DeepSeek R1 Distill Qwen 32B	원활	추정 29.8 tok/s26.2–33.4보정된 추정 ±12%	Q4_K_M	22.7 / 24.0GB	풀 GPU	최대 8k	Q2_K (품질 손실 큼): 쾌적 생각 모드
Nanbeige4.3 33B	원활	추정 29.1 tok/s25.6–32.6보정된 추정 ±12%	Q4_K_M	23.0 / 24.0GB	풀 GPU	최대 8k	IQ4_XS: 쾌적 생각 모드
Kolibri 1	불가IQ4_XS: 원활	추정 68.5 tok/s47.9–89.0이론 추정 ±30%	IQ4_XS	22.6 / 24.0GB + RAM 22.3GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. RAM 64GB라면: 원활 생각 모드
Qwen3.5 122B-A10B	불가UD-Q2_K_XL (품질 손실 큼): 원활GeForce RTX 3090에서 Qwen3.5 122B-A10B 판정 보기	추정 41.3 tok/s28.9–53.6이론 추정 ±30%	UD-Q2_K_XL	22.5 / 24.0GB + RAM 21.8GB	MoE 전문가 RAM 배치	최대 128k	모델이 GPU에 다 올라가지 않습니다. 쾌적하게 돌리려면 모델 전체가 GPU 메모리에 있어야 합니다. RAM 64GB라면: 겨우 가능 생각 모드
Solar Open 100B	불가Q2_K (품질 손실 큼): 겨우 가능	추정 28.4 tok/s19.9–36.9이론 추정 ±30%	Q2_K	22.7 / 24.0GB + RAM 17.8GB	MoE 전문가 RAM 배치	최대 32k	전문가를 시스템 RAM에서 돌립니다. 이 방식에서 원활하게 돌아가려면 30 tok/s 이상 나와야 합니다. RAM 64GB라면: 겨우 가능 생각 모드
Llama 3.3 70B	불가IQ4_XS: 겨우 가능GeForce RTX 3090에서 Llama 3.3 70B 판정 보기	추정 2.2 tok/s1.7–2.6보정된 추정 ±20%	IQ4_XS	24.0 / 24.0GB + RAM 17.8GB	부분 오프로드	최대 8k	—
DeepSeek V4 Flash 0731	불가	—	MXFP4	155.1GB 필요	—	—	약 155.1GB가 필요한데, 쓸 수 있는 VRAM은 23.4GB, 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 23.4GB, 여유 RAM은 28.0GB입니다. 생각 모드
gpt-oss-120b	불가GeForce RTX 3090에서 gpt-oss-120b 판정 보기	—	MXFP4	63.6GB 필요	—	—	약 63.6GB가 필요한데, 쓸 수 있는 VRAM은 23.4GB, 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 23.4GB, 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 23.4GB, 여유 RAM은 28.0GB입니다. RAM 64GB라면: 원활 생각 모드
Solar Open 2 250B	불가	—	IQ4_XS	136.5GB 필요	—	—	약 136.5GB가 필요한데, 쓸 수 있는 VRAM은 23.4GB, 여유 RAM은 28.0GB입니다. RAM 128GB라면: 겨우 가능 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 3090 벤치마크 결과

보정에 쓰는 공개 벤치마크입니다. 측정 조건(컨텍스트·백엔드·플래그)은 위 추정과 다를 수 있습니다.

GeForce 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

자주 묻는 질문

GeForce RTX 3090에 통째로 올라가는 가장 큰 모델은 무엇인가요?

Qwen3.5 35B-A3B Q4_K_M(22.63GB 파일)입니다. 8k 컨텍스트에서 24GB에 전부 올라가고, 속도는 추정 148.8 tok/s (119.1–178.6, 보정된 추정 ±20%)입니다.

GeForce RTX 3090에서 원활하게 돌아가는 로컬 LLM은 몇 개인가요?

Q4_K_M·8k 컨텍스트 기준으로 등록된 모델 59개를 보면 쾌적 44개, 원활 5개, 겨우 가능 0개, 불가 10개입니다.

GeForce RTX 3090에서 Llama 3.3 70B 같은 70B 모델을 돌릴 수 있나요?

IQ4_XS, 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.