GeForce RTX 3090 能跑哪些本地大模型？

按 32 GB DDR5-5600 系统内存、Windows 系统且由这块显卡负责显示输出、8k 上下文和 f16 KV 缓存计算。

规格

显存: 24 GB
内存带宽: 936.0 GB/s
FP16 算力: 35.6 TFLOPS
发布年份: 2020
价格: 市场价 US$1,050（截至 2026-08-09）
其他写法: 3090, RTX3090

判定一览

基于 Q4_K_M（或最接近的可用量化）、8k 上下文。

运行流畅44 个模型运行良好4 个模型运行较慢0 个模型无法运行10 个模型另有 4 个模型可以用更低的量化运行。

判定说明

运行流畅: 全部载入显卡，且达到 20 tok/s 及以上
运行良好: 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
运行较慢: 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
无法运行: 内存装不下，或低于 2 tok/s

GeForce RTX 3090 上的全部模型

稠密模型分摊在 GPU 和 CPU 上运行时，速度会大幅下降，整体速度由 CPU 那一侧决定。只把专家放在系统内存的 MoE 模型，速度下降要温和得多。

左右滑动可查看所有列。

58 个模型，按判定和速度排序
模型	判定	速度	量化	显存/内存	运行方式	上下文	备注
MiniCPM5 1B	运行流畅	估算 735.1 tok/s646.9–823.3校准估算 ±12%	Q4_K_M	1.9 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Llama 3.2 1B	运行流畅	估算 607.5 tok/s534.6–680.5校准估算 ±12%	Q4_K_M	2.2 / 24.0 GB	全部载入显卡	最长 128k	—
EXAONE 4.0 1.2B	运行流畅	估算 498.9 tok/s439.0–558.8校准估算 ±12%	Q4_K_M	2.5 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Ling-3.0 Tiny	运行流畅	估算 377.2 tok/s264.1–490.4理论估算 ±30%	Q4_K_M	5.9 / 24.0 GB	全部载入显卡	最长 128k	思考模式
LFM2.5 2.6B	运行流畅	估算 363.1 tok/s254.2–472.1理论估算 ±30%	Q4_K_M	3.0 / 24.0 GB	全部载入显卡	最长 128k	思考模式
HyperCLOVA X SEED 1.5B	运行流畅	估算 360.9 tok/s317.6–404.2校准估算 ±12%	Q4_K_M	3.0 / 24.0 GB	全部载入显卡	最长 16k	—
MiniCPM5 2B	运行流畅	估算 342.6 tok/s301.5–383.7校准估算 ±12%	Q4_K_M	2.9 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Gemma 4 E2B	运行流畅	估算 269.1 tok/s188.4–349.8理论估算 ±30%	Q4_K_M	2.7 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Mellum2.1 12B-A2.5B Thinking	运行流畅	估算 241.5 tok/s193.2–289.9校准估算 ±20%	Q4_K_M	9.2 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Spark-X2.5 4B	运行流畅	估算 225.8 tok/s198.7–252.9校准估算 ±12%	Q4_K_M	4.1 / 24.0 GB	全部载入显卡	最长 256k	思考模式
Llama 3.2 3B	运行流畅	估算 221.4 tok/s194.8–248.0校准估算 ±12%	Q4_K_M	4.1 / 24.0 GB	全部载入显卡	最长 128k	—
Qwen3.5 4B	运行流畅	估算 211.5 tok/s186.1–236.8校准估算 ±12%	Q4_K_M	4.2 / 24.0 GB	全部载入显卡	最长 256k	思考模式
MiniCPM-V 4.7 35B-A3B	运行流畅	估算 174.2 tok/s139.3–209.0校准估算 ±20%	Q4_K_M	22.2 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Qwen3.6 35B-A3B	运行流畅	估算 164.6 tok/s131.6–197.5校准估算 ±20%	Q4_K_M	22.4 / 24.0 GB	全部载入显卡	最长 32k	思考模式
gpt-oss-20b	运行流畅gpt-oss-20b 在 GeForce RTX 3090 上的判定	162.0 tok/s8k 估算 201.1 tok/s（160.9–241.3，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Gemma 4 E4B	运行流畅	估算 161.4 tok/s113.0–209.9理论估算 ±30%	Q4_K_M	4.3 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Kanana 1.5 15.7B-A3B	运行流畅	估算 156.3 tok/s125.0–187.5校准估算 ±20%	Q4_K_M	12.5 / 24.0 GB	全部载入显卡	最长 32k	—
Qwen3.5 35B-A3B	运行流畅	估算 148.8 tok/s119.1–178.6校准估算 ±20%	Q4_K_M	22.9 / 24.0 GB	全部载入显卡	最长 32k	思考模式
Qwen3 30B-A3B (2507)	运行流畅Qwen3 30B-A3B (2507) 在 GeForce RTX 3090 上的判定	估算 140.6 tok/s112.5–168.7校准估算 ±20%	Q4_K_M	20.4 / 24.0 GB	全部载入显卡	最长 32k	—
DeepSeek R1 Distill Llama 8B	运行流畅	估算 109.3 tok/s96.2–122.4校准估算 ±12%	Q4_K_M	6.9 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Kanana 1.5 8B	运行流畅	估算 109.3 tok/s96.2–122.4校准估算 ±12%	Q4_K_M	6.9 / 24.0 GB	全部载入显卡	最长 32k	—
Llama 3.1 8B	运行流畅Llama 3.1 8B 在 GeForce RTX 3090 上的判定	估算 109.3 tok/s96.2–122.4校准估算 ±12%	Q4_K_M	6.9 / 24.0 GB	全部载入显卡	最长 64k	—
Gemma 4 26B-A4B	运行流畅	108.0 tok/s8k 估算 134.9 tok/s（108.0–161.9，校准估算 ±20%）实测（1 次，32k 上下文）	Q4_K_M	18.3 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Nanbeige4.2 3B	运行流畅	估算 106.9 tok/s74.9–139.0理论估算 ±30%	Q4_K_M	5.0 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Qwen3.5 9B	运行流畅	估算 106.7 tok/s93.9–119.5校准估算 ±12%	Q4_K_M	6.6 / 24.0 GB	全部载入显卡	最长 256k	思考模式
DeepSeek R1 0528 Qwen3 8B	运行流畅	估算 105.0 tok/s92.4–117.6校准估算 ±12%	Q4_K_M	7.1 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Qwen3 8B	运行流畅	估算 105.0 tok/s92.4–117.6校准估算 ±12%	Q4_K_M	7.1 / 24.0 GB	全部载入显卡	最长 32k	思考模式
K2-Horizon 7B	运行流畅	估算 96.4 tok/s84.8–107.9校准估算 ±12%	Q4_K_M	7.4 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Gemma 4 12B	运行流畅	估算 90.3 tok/s79.5–101.2校准估算 ±12%	Q4_K_M	8.4 / 24.0 GB	全部载入显卡	最长 256k	思考模式
Gemma 3 12B	运行流畅Gemma 3 12B 在 GeForce RTX 3090 上的判定	估算 83.6 tok/s73.6–93.6校准估算 ±12%	Q4_K_M	9.0 / 24.0 GB	全部载入显卡	最长 128k	—
HyperCLOVA X SEED Think 14B	运行流畅	估算 64.3 tok/s45.0–83.5理论估算 ±30%	Q4_K_M	11.0 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Qwen3 14B	运行流畅Qwen3 14B 在 GeForce RTX 3090 上的判定	估算 63.4 tok/s55.7–71.0校准估算 ±12%	Q4_K_M	11.1 / 24.0 GB	全部载入显卡	最长 32k	思考模式
DeepSeek R1 Distill Qwen 14B	运行流畅	估算 61.8 tok/s54.4–69.2校准估算 ±12%	Q4_K_M	11.3 / 24.0 GB	全部载入显卡	最长 32k	思考模式
Phi-4	运行流畅	估算 61.1 tok/s53.7–68.4校准估算 ±12%	Q4_K_M	11.6 / 24.0 GB	全部载入显卡	最长 16k	—
Mistral Small 3.2 24B	运行流畅	估算 41.8 tok/s36.8–46.8校准估算 ±12%	Q4_K_M	16.5 / 24.0 GB	全部载入显卡	最长 32k	—
Gemma 3 27B	运行流畅	估算 38.0 tok/s33.5–42.6校准估算 ±12%	Q4_K_M	18.4 / 24.0 GB	全部载入显卡	最长 64k	—
Qwen3.6 27B	运行流畅	估算 37.7 tok/s33.2–42.3校准估算 ±12%	Q4_K_M	17.8 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Muse Glimmer 30B	运行流畅	估算 37.6 tok/s33.1–42.1校准估算 ±12%	Q4_K_M	17.8 / 24.0 GB	全部载入显卡	最长 128k	思考模式
Qwen3.5 27B	运行流畅	估算 37.1 tok/s32.7–41.6校准估算 ±12%	Q4_K_M	17.8 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Qwen3.8 27B	运行流畅	估算 36.4 tok/s32.1–40.8校准估算 ±12%	Q4_K_M	18.2 / 24.0 GB	全部载入显卡	最长 64k	思考模式
Gemma 4 31B	运行流畅	估算 34.5 tok/s30.4–38.6校准估算 ±12%	Q4_K_M	20.1 / 24.0 GB	全部载入显卡	最长 32k	思考模式
Granite 4.2 30B	运行流畅	估算 33.0 tok/s29.0–36.9校准估算 ±12%	Q4_K_M	20.8 / 24.0 GB	全部载入显卡	最长 8k	思考模式
EXAONE 4.0 32B	运行流畅	估算 33.0 tok/s29.0–36.9校准估算 ±12%	Q4_K_M	20.8 / 24.0 GB	全部载入显卡	最长 32k	思考模式
EXAONE 4.5 33B	运行流畅	估算 31.8 tok/s28.0–35.6校准估算 ±12%	Q4_K_M	21.0 / 24.0 GB	全部载入显卡	最长 16k	思考模式
Nemotron 3.5 Lightning 30B-A3B	运行良好	估算 122.0 tok/s85.4–158.7理论估算 ±30%	Q4_K_M	22.7 / 24.0 GB + 4.0 GB 内存	MoE 专家放在内存	最长 256k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中改用 IQ4_XS：运行流畅思考模式
K2-Horizon MoVA 36B-A4B	运行良好	估算 79.2 tok/s55.5–103.0理论估算 ±30%	Q4_K_M	23.4 / 24.0 GB + 1.8 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中思考模式
Qwen3 32B	运行良好	估算 29.9 tok/s26.3–33.5校准估算 ±12%	Q4_K_M	22.6 / 24.0 GB	全部载入显卡	最长 8k	改用 IQ4_XS：运行流畅思考模式
DeepSeek R1 Distill Qwen 32B	运行良好	估算 29.8 tok/s26.2–33.4校准估算 ±12%	Q4_K_M	22.7 / 24.0 GB	全部载入显卡	最长 8k	Q2_K（质量损失大）：运行流畅思考模式
Kolibri 1	无法运行改用 IQ4_XS：运行良好	估算 68.5 tok/s47.9–89.0理论估算 ±30%	IQ4_XS	22.6 / 24.0 GB + 22.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中配 64 GB 内存时：运行良好思考模式
Qwen3.5 122B-A10B	无法运行改用 UD-Q2_K_XL（质量损失大）：运行良好	估算 41.3 tok/s28.9–53.6理论估算 ±30%	UD-Q2_K_XL	22.5 / 24.0 GB + 21.8 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中配 64 GB 内存时：运行较慢思考模式
Solar Open 100B	无法运行改用 Q2_K（质量损失大）：运行较慢	估算 28.4 tok/s19.9–36.9理论估算 ±30%	Q2_K	22.7 / 24.0 GB + 17.8 GB 内存	MoE 专家放在内存	最长 32k	专家在系统内存中运行：这种方式需要达到 30 tok/s 及以上才算“运行良好” 配 64 GB 内存时：运行较慢思考模式
Llama 3.3 70B	无法运行改用 IQ4_XS：运行较慢	估算 2.2 tok/s1.7–2.6校准估算 ±20%	IQ4_XS	24.0 / 24.0 GB + 17.8 GB 内存	部分卸载	最长 8k	—
DeepSeek V4 Flash 0731	无法运行	—	MXFP4	需要 155.1 GB	—	—	约需 155.1 GB；可用显存 23.4 GB，可用内存 28.0 GB 思考模式
GLM-5.3 Flash	无法运行	—	Q4_K_M	需要 181.4 GB	—	—	约需 181.4 GB；可用显存 23.4 GB，可用内存 28.0 GB 思考模式
gpt-oss-120b	无法运行gpt-oss-120b 在 GeForce RTX 3090 上的判定	—	MXFP4	需要 63.6 GB	—	—	约需 63.6 GB；可用显存 23.4 GB，可用内存 28.0 GB 配 64 GB 内存时：运行较慢思考模式
Laguna S 2.1	无法运行	—	Q4_K_M	需要 68.5 GB	—	—	约需 68.5 GB；可用显存 23.4 GB，可用内存 28.0 GB 配 64 GB 内存时：运行较慢思考模式
Ling-3.0 Flash	无法运行	—	Q4_K_M	需要 75.4 GB	—	—	约需 75.4 GB；可用显存 23.4 GB，可用内存 28.0 GB 配 64 GB 内存时：运行良好思考模式
Solar Open 2 250B	无法运行	—	IQ4_XS	需要 136.5 GB	—	—	约需 136.5 GB；可用显存 23.4 GB，可用内存 28.0 GB 配 128 GB 内存时：运行较慢思考模式

带思考模式的模型会额外花 token 来思考，所以速度门槛按 1.5 倍从严设定（30 / 12 / 3 tok/s）。关闭思考模式后，判定可能会高一级。

GeForce RTX 3090 的实测结果

我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。

GeForce RTX 3090 的实测结果
模型	量化	后端	上下文	提示词处理（tok/s）	生成（tok/s）	运行参数	来源	测量日期
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

常见问题

能完全在 GeForce RTX 3090 上运行的最大模型是什么？

Qwen3.5 35B-A3B Q4_K_M（22.63 GB 文件）在 8k 上下文下可完整装入 24 GB，估算 148.8 tok/s（119.1–178.6，校准估算 ±20%）。

GeForce RTX 3090 上有多少本地大模型能运行良好？

按 Q4_K_M、8k 上下文计算，在 58 个已收录的模型中，44 个运行流畅、4 个运行良好、0 个运行较慢，10 个无法运行。

GeForce RTX 3090 能运行 Llama 3.3 70B 这样的 70B 模型吗？

运行较慢——部分卸载，IQ4_XS：估算 2.2 tok/s（1.7–2.6，校准估算 ±20%）。

速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。

规格