GeForce RTX 4090에서 돌아가는 로컬 LLM

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

GeForce RTX 4090 사용자가 알아 둘 점

RTX 4090은 GeForce RTX 3090과 VRAM이 같은 24GB라 올라가는 모델은 같습니다. 대신 메모리 대역폭이 1,008 GB/s이고 연산 성능도 훨씬 높아서 더 빠릅니다. 차이가 드러나는 모델은 Qwen3 32B입니다. 두 카드 모두 Q4_K_M으로 GPU에 전부 올라가지만, 생각 모드가 있어 속도 기준이 더 엄격합니다. 그런데도 이 카드에서는 쾌적하게, 그 카드에서는 원활하게 돌아갑니다. Qwen3 30B-A3B 같은 MoE 모델도 전부 올라가 쾌적하게 돌아갑니다. 자세한 숫자는 GeForce RTX 4090에서 Qwen3 30B-A3B (2507) 페이지에 있습니다. 다만 Nemotron 3.5 Lightning 30B-A3B는 24GB를 조금 넘어서 전문가 일부를 시스템 RAM에 둡니다.

한계는 다른 24GB 카드와 같습니다. Llama 3.3 70B는 Q4_K_M 기준 45.2GB가 필요하고, 시스템 RAM과 나눠 올리면 너무 느립니다. gpt-oss-120b는 시스템 RAM이 64GB는 되어야 올라갑니다. 그때도 전문가를 RAM에 두고 느리게 돌아간다고 CanRun은 추정합니다(이론 추정 ±30%).

GeForce RTX 4090 Laptop은 VRAM이 16GB인 다른 카드라 16GB 구간에 들어갑니다. Gemma 4 31B를 예로 들면 이 카드에서는 쾌적하게, 노트북에서는 느리게 돌아갑니다.

사양

VRAM: 24GB
메모리 대역폭: 1,008.0 GB/s
FP16 연산: 82.6 TFLOPS
출시 연도: 2022
가격: 2026-08-09 기준 실거래가 US$2,755(약 365만 원)
다른 표기: 4090, RTX4090

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.

쾌적47개원활2개겨우 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 4090 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 791.6 tok/s696.6–886.6보정된 추정 ±12%	Q4_K_M	1.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
Llama 3.2 1B	쾌적	추정 654.3 tok/s575.8–732.8보정된 추정 ±12%	Q4_K_M	2.2 / 24.0GB	풀 GPU	최대 128k	—
EXAONE 4.0 1.2B	쾌적	추정 537.3 tok/s472.8–601.7보정된 추정 ±12%	Q4_K_M	2.5 / 24.0GB	풀 GPU	최대 64k	생각 모드
LFM2.5 2.6B	쾌적	추정 391.1 tok/s273.8–508.4이론 추정 ±30%	Q4_K_M	3.0 / 24.0GB	풀 GPU	최대 128k	생각 모드
Ling-3.0 Tiny	쾌적	추정 390.2 tok/s273.2–507.3이론 추정 ±30%	Q4_K_M	5.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
HyperCLOVA X SEED 1.5B	쾌적	추정 388.7 tok/s342.1–435.3보정된 추정 ±12%	Q4_K_M	3.0 / 24.0GB	풀 GPU	최대 16k	—
MiniCPM5 2B	쾌적	추정 369.0 tok/s324.7–413.3보정된 추정 ±12%	Q4_K_M	2.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 E2B	쾌적	추정 281.9 tok/s197.3–366.5이론 추정 ±30%	Q4_K_M	2.7 / 24.0GB	풀 GPU	최대 128k	생각 모드
Mellum2.1 12B-A2.5B Thinking	쾌적	추정 252.0 tok/s201.6–302.5보정된 추정 ±20%	Q4_K_M	9.2 / 24.0GB	풀 GPU	최대 128k	생각 모드
Spark-X2.5 4B	쾌적	추정 243.1 tok/s214.0–272.3보정된 추정 ±12%	Q4_K_M	4.1 / 24.0GB	풀 GPU	최대 256k	생각 모드
Llama 3.2 3B	쾌적	추정 238.4 tok/s209.8–267.0보정된 추정 ±12%	Q4_K_M	4.1 / 24.0GB	풀 GPU	최대 128k	—
Qwen3.5 4B	쾌적	추정 227.7 tok/s200.4–255.1보정된 추정 ±12%	Q4_K_M	4.2 / 24.0GB	풀 GPU	최대 256k	생각 모드
gpt-oss-20b	쾌적GeForce RTX 4090에서 gpt-oss-20b 판정 보기	225.2 tok/s8k 추정 214.1 tok/s (171.3–256.9, 보정된 추정 ±20%)실측 1건 (2k 컨텍스트)	MXFP4	12.9 / 24.0GB	풀 GPU	최대 128k	생각 모드
MiniCPM-V 4.7 35B-A3B	쾌적	추정 181.6 tok/s145.3–217.9보정된 추정 ±20%	Q4_K_M	22.2 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3.6 35B-A3B	쾌적GeForce RTX 4090에서 Qwen3.6 35B-A3B 판정 보기	추정 171.9 tok/s137.5–206.2보정된 추정 ±20%	Q4_K_M	22.4 / 24.0GB	풀 GPU	최대 32k	생각 모드
Gemma 4 E4B	쾌적	추정 171.0 tok/s119.7–222.3이론 추정 ±30%	Q4_K_M	4.3 / 24.0GB	풀 GPU	최대 128k	생각 모드
Kanana 1.5 15.7B-A3B	쾌적	추정 164.4 tok/s131.5–197.3보정된 추정 ±20%	Q4_K_M	12.5 / 24.0GB	풀 GPU	최대 32k	—
Qwen3.5 35B-A3B	쾌적GeForce RTX 4090에서 Qwen3.5 35B-A3B 판정 보기	추정 155.9 tok/s124.7–187.1보정된 추정 ±20%	Q4_K_M	22.9 / 24.0GB	풀 GPU	최대 32k	생각 모드
Qwen3 30B-A3B (2507)	쾌적GeForce RTX 4090에서 Qwen3 30B-A3B (2507) 판정 보기	추정 146.7 tok/s117.4–176.1보정된 추정 ±20%	Q4_K_M	20.4 / 24.0GB	풀 GPU	최대 32k	—
Gemma 4 26B-A4B	쾌적GeForce RTX 4090에서 Gemma 4 26B-A4B 판정 보기	추정 142.6 tok/s114.1–171.1보정된 추정 ±20%	Q4_K_M	18.3 / 24.0GB	풀 GPU	최대 128k	생각 모드
Qwen3.5 9B	쾌적GeForce RTX 4090에서 Qwen3.5 9B 판정 보기	127.5 tok/s8k 추정 114.9 tok/s (101.2–128.7, 보정된 추정 ±12%)실측 2건 (512/40k 컨텍스트)	Q4_K_M	6.6 / 24.0GB	풀 GPU	최대 256k	생각 모드
DeepSeek R1 Distill Llama 8B	쾌적	추정 117.7 tok/s103.6–131.8보정된 추정 ±12%	Q4_K_M	6.9 / 24.0GB	풀 GPU	최대 64k	생각 모드
Kanana 1.5 8B	쾌적	추정 117.7 tok/s103.6–131.8보정된 추정 ±12%	Q4_K_M	6.9 / 24.0GB	풀 GPU	최대 32k	—
Nanbeige4.2 3B	쾌적	추정 115.2 tok/s80.6–149.7이론 추정 ±30%	Q4_K_M	5.0 / 24.0GB	풀 GPU	최대 64k	생각 모드
DeepSeek R1 0528 Qwen3 8B	쾌적	추정 113.1 tok/s99.5–126.7보정된 추정 ±12%	Q4_K_M	7.1 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3 8B	쾌적GeForce RTX 4090에서 Qwen3 8B 판정 보기	추정 113.1 tok/s99.5–126.7보정된 추정 ±12%	Q4_K_M	7.1 / 24.0GB	풀 GPU	최대 32k	생각 모드
K2-Horizon 7B	쾌적	추정 103.8 tok/s91.3–116.3보정된 추정 ±12%	Q4_K_M	7.4 / 24.0GB	풀 GPU	최대 64k	생각 모드
Gemma 4 12B	쾌적GeForce RTX 4090에서 Gemma 4 12B 판정 보기	추정 97.3 tok/s85.6–108.9보정된 추정 ±12%	Q4_K_M	8.4 / 24.0GB	풀 GPU	최대 256k	생각 모드
Llama 3.1 8B	쾌적GeForce RTX 4090에서 Llama 3.1 8B 판정 보기	91.0 tok/s8k 추정 117.7 tok/s (103.6–131.8, 보정된 추정 ±12%)실측 1건 (4k 컨텍스트)	Q4_K_M	6.9 / 24.0GB	풀 GPU	최대 64k	—
Gemma 3 12B	쾌적GeForce RTX 4090에서 Gemma 3 12B 판정 보기	추정 90.0 tok/s79.2–100.8보정된 추정 ±12%	Q4_K_M	9.0 / 24.0GB	풀 GPU	최대 128k	—
HyperCLOVA X SEED Think 14B	쾌적	추정 69.2 tok/s48.4–90.0이론 추정 ±30%	Q4_K_M	11.0 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3 14B	쾌적GeForce RTX 4090에서 Qwen3 14B 판정 보기	추정 68.2 tok/s60.0–76.4보정된 추정 ±12%	Q4_K_M	11.1 / 24.0GB	풀 GPU	최대 32k	생각 모드
DeepSeek R1 Distill Qwen 14B	쾌적	추정 66.6 tok/s58.6–74.5보정된 추정 ±12%	Q4_K_M	11.3 / 24.0GB	풀 GPU	최대 64k	생각 모드
Phi-4	쾌적	추정 65.8 tok/s57.9–73.7보정된 추정 ±12%	Q4_K_M	11.6 / 24.0GB	풀 GPU	최대 16k	—
Qwen3.8 27B	쾌적GeForce RTX 4090에서 Qwen3.8 27B 판정 보기	49.8 tok/s8k 추정 39.3 tok/s (34.5–44.0, 보정된 추정 ±12%)실측 1건 (1k 컨텍스트)	Q4_K_M	18.2 / 24.0GB	풀 GPU	최대 64k	생각 모드
Mistral Small 3.2 24B	쾌적	추정 45.0 tok/s39.6–50.4보정된 추정 ±12%	Q4_K_M	16.5 / 24.0GB	풀 GPU	최대 32k	—
Qwen3.5 27B	쾌적GeForce RTX 4090에서 Qwen3.5 27B 판정 보기	44.8 tok/s8k 추정 40.0 tok/s (35.2–44.8, 보정된 추정 ±12%)실측 2건 (512/40k 컨텍스트)	Q4_K_M	17.8 / 24.0GB	풀 GPU	최대 64k	생각 모드
Qwen3 32B	쾌적GeForce RTX 4090에서 Qwen3 32B 판정 보기	42.5 tok/s8k 추정 32.2 tok/s (28.3–36.1, 보정된 추정 ±12%)실측 1건 (512 컨텍스트)	Q4_K_M	22.6 / 24.0GB	풀 GPU	최대 8k	생각 모드
Gemma 3 27B	쾌적	추정 41.0 tok/s36.1–45.9보정된 추정 ±12%	Q4_K_M	18.4 / 24.0GB	풀 GPU	최대 64k	—
Qwen3.6 27B	쾌적	추정 40.7 tok/s35.8–45.5보정된 추정 ±12%	Q4_K_M	17.8 / 24.0GB	풀 GPU	최대 64k	생각 모드
Muse Glimmer 30B	쾌적	추정 40.5 tok/s35.6–45.4보정된 추정 ±12%	Q4_K_M	17.8 / 24.0GB	풀 GPU	최대 128k	생각 모드
Gemma 4 31B	쾌적GeForce RTX 4090에서 Gemma 4 31B 판정 보기	추정 37.2 tok/s32.7–41.6보정된 추정 ±12%	Q4_K_M	20.1 / 24.0GB	풀 GPU	최대 32k	생각 모드
Granite 4.2 30B	쾌적	추정 35.5 tok/s31.3–39.8보정된 추정 ±12%	Q4_K_M	20.8 / 24.0GB	풀 GPU	최대 16k	생각 모드
EXAONE 4.0 32B	쾌적	추정 35.5 tok/s31.2–39.8보정된 추정 ±12%	Q4_K_M	20.8 / 24.0GB	풀 GPU	최대 32k	생각 모드
EXAONE 4.5 33B	쾌적	추정 34.3 tok/s30.2–38.4보정된 추정 ±12%	Q4_K_M	21.0 / 24.0GB	풀 GPU	최대 32k	생각 모드
DeepSeek R1 Distill Qwen 32B	쾌적	추정 32.1 tok/s28.2–35.9보정된 추정 ±12%	Q4_K_M	22.7 / 24.0GB	풀 GPU	최대 8k	생각 모드
Nanbeige4.3 33B	쾌적	추정 31.3 tok/s27.6–35.1보정된 추정 ±12%	Q4_K_M	23.0 / 24.0GB	풀 GPU	최대 8k	생각 모드
Nemotron 3.5 Lightning 30B-A3B	원활	추정 126.5 tok/s88.5–164.4이론 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 82.6 tok/s57.8–107.4이론 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
Kolibri 1	불가IQ4_XS: 원활	추정 70.1 tok/s49.0–91.1이론 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 4090에서 Qwen3.5 122B-A10B 판정 보기	추정 42.2 tok/s29.5–54.8이론 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 28.9 tok/s20.2–37.5이론 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 4090에서 Llama 3.3 70B 판정 보기	추정 2.2 tok/s1.8–2.6보정된 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 4090에서 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 4090 벤치마크 결과

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

GeForce 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

자주 묻는 질문

GeForce RTX 4090에 통째로 올라가는 가장 큰 모델은 무엇인가요?

Qwen3.5 35B-A3B Q4_K_M(22.63GB 파일)입니다. 8k 컨텍스트에서 24GB에 전부 올라가고, 속도는 추정 155.9 tok/s (124.7–187.1, 보정된 추정 ±20%)입니다.

GeForce RTX 4090에서 원활하게 돌아가는 로컬 LLM은 몇 개인가요?

Q4_K_M·8k 컨텍스트 기준으로 등록된 모델 59개를 보면 쾌적 47개, 원활 2개, 겨우 가능 0개, 불가 10개입니다.

GeForce RTX 4090에서 Llama 3.3 70B 같은 70B 모델을 돌릴 수 있나요?

IQ4_XS, 부분 오프로드 기준 판정: 겨우 가능, 속도: 추정 2.2 tok/s (1.8–2.6, 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.