GeForce RTX 3090 Ti 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
- 1,008.0 GB/s
- FP16 算力
- 40.0 TFLOPS
- 发布年份
- 2022
- 价格
- 首发价 US$1,999
- 其他写法
- 3090 Ti
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46 个模型运行良好2 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 Ti 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。
| 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 791.6 tok/s696.6–886.6校准估算 ±12% | Q4_K_M | 1.9 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Llama 3.2 1B | 运行流畅 | 估算 654.3 tok/s575.8–732.8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 537.3 tok/s472.8–601.7校准估算 ±12% | Q4_K_M | 2.5 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| LFM2.5 2.6B | 运行流畅 | 估算 391.1 tok/s273.8–508.4理论估算 ±30% | Q4_K_M | 3.0 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Ling-3.0 Tiny | 运行流畅 | 估算 390.2 tok/s273.2–507.3理论估算 ±30% | Q4_K_M | 5.9 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| HyperCLOVA X SEED 1.5B | 运行流畅 | 估算 388.7 tok/s342.1–435.3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 369.0 tok/s324.7–413.3校准估算 ±12% | Q4_K_M | 2.9 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Gemma 4 E2B | 运行流畅 | 估算 281.9 tok/s197.3–366.5理论估算 ±30% | Q4_K_M | 2.7 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Mellum2.1 12B-A2.5B Thinking | 运行流畅 | 估算 252.0 tok/s201.6–302.5校准估算 ±20% | Q4_K_M | 9.2 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Spark-X2.5 4B | 运行流畅 | 估算 243.1 tok/s214.0–272.3校准估算 ±12% | Q4_K_M | 4.1 / 24.0 GB | 全部载入显卡 | 最长 256k |
|
| Llama 3.2 3B | 运行流畅 | 估算 238.4 tok/s209.8–267.0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 227.7 tok/s200.4–255.1校准估算 ±12% | Q4_K_M | 4.2 / 24.0 GB | 全部载入显卡 | 最长 256k |
|
| gpt-oss-20b | 运行流畅 | 估算 214.1 tok/s171.3–256.9校准估算 ±20% | MXFP4 | 12.9 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| MiniCPM-V 4.7 35B-A3B | 运行流畅 | 估算 181.6 tok/s145.3–217.9校准估算 ±20% | Q4_K_M | 22.2 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Qwen3.6 35B-A3B | 运行流畅 | 估算 171.9 tok/s137.5–206.2校准估算 ±20% | Q4_K_M | 22.4 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| Gemma 4 E4B | 运行流畅 | 估算 171.0 tok/s119.7–222.3理论估算 ±30% | Q4_K_M | 4.3 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Kanana 1.5 15.7B-A3B | 运行流畅 | 估算 164.4 tok/s131.5–197.3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 155.9 tok/s124.7–187.1校准估算 ±20% | Q4_K_M | 22.9 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3 30B-A3B (2507) | 运行流畅 | 估算 146.7 tok/s117.4–176.1校准估算 ±20% | Q4_K_M | 20.4 / 24.0 GB | 全部载入显卡 | 最长 32k | — |
| Gemma 4 26B-A4B | 运行流畅 | 估算 142.6 tok/s114.1–171.1校准估算 ±20% | Q4_K_M | 18.3 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| DeepSeek R1 Distill Llama 8B | 运行流畅 | 估算 117.7 tok/s103.6–131.8校准估算 ±12% | Q4_K_M | 6.9 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Kanana 1.5 8B | 运行流畅 | 估算 117.7 tok/s103.6–131.8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 | 估算 117.7 tok/s103.6–131.8校准估算 ±12% | Q4_K_M | 6.9 / 24.0 GB | 全部载入显卡 | 最长 64k | — |
| Nanbeige4.2 3B | 运行流畅 | 估算 115.2 tok/s80.6–149.7理论估算 ±30% | Q4_K_M | 5.0 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Qwen3.5 9B | 运行流畅 | 估算 114.9 tok/s101.2–128.7校准估算 ±12% | Q4_K_M | 6.6 / 24.0 GB | 全部载入显卡 | 最长 256k |
|
| DeepSeek R1 0528 Qwen3 8B | 运行流畅 | 估算 113.1 tok/s99.5–126.7校准估算 ±12% | Q4_K_M | 7.1 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Qwen3 8B | 运行流畅 | 估算 113.1 tok/s99.5–126.7校准估算 ±12% | Q4_K_M | 7.1 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| K2-Horizon 7B | 运行流畅 | 估算 103.8 tok/s91.3–116.3校准估算 ±12% | Q4_K_M | 7.4 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Gemma 4 12B | 运行流畅 | 估算 97.3 tok/s85.6–108.9校准估算 ±12% | Q4_K_M | 8.4 / 24.0 GB | 全部载入显卡 | 最长 256k |
|
| Gemma 3 12B | 运行流畅 | 估算 90.0 tok/s79.2–100.8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 69.2 tok/s48.4–90.0理论估算 ±30% | Q4_K_M | 11.0 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Qwen3 14B | 运行流畅 | 估算 68.2 tok/s60.0–76.4校准估算 ±12% | Q4_K_M | 11.1 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| DeepSeek R1 Distill Qwen 14B | 运行流畅 | 估算 66.6 tok/s58.6–74.5校准估算 ±12% | Q4_K_M | 11.3 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Phi-4 | 运行流畅 | 估算 65.8 tok/s57.9–73.7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 45.0 tok/s39.6–50.4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 41.0 tok/s36.1–45.9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 40.7 tok/s35.8–45.5校准估算 ±12% | Q4_K_M | 17.8 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Muse Glimmer 30B | 运行流畅 | 估算 40.5 tok/s35.6–45.4校准估算 ±12% | Q4_K_M | 17.8 / 24.0 GB | 全部载入显卡 | 最长 128k |
|
| Qwen3.5 27B | 运行流畅 | 估算 40.0 tok/s35.2–44.8校准估算 ±12% | Q4_K_M | 17.8 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Qwen3.8 27B | 运行流畅 | 估算 39.3 tok/s34.5–44.0校准估算 ±12% | Q4_K_M | 18.2 / 24.0 GB | 全部载入显卡 | 最长 64k |
|
| Gemma 4 31B | 运行流畅 | 估算 37.2 tok/s32.7–41.6校准估算 ±12% | Q4_K_M | 20.1 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| Granite 4.2 30B | 运行流畅 | 估算 35.5 tok/s31.3–39.8校准估算 ±12% | Q4_K_M | 20.8 / 24.0 GB | 全部载入显卡 | 最长 16k |
|
| EXAONE 4.0 32B | 运行流畅 | 估算 35.5 tok/s31.2–39.8校准估算 ±12% | Q4_K_M | 20.8 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| EXAONE 4.5 33B | 运行流畅 | 估算 34.3 tok/s30.2–38.4校准估算 ±12% | Q4_K_M | 21.0 / 24.0 GB | 全部载入显卡 | 最长 32k |
|
| Qwen3 32B | 运行流畅 | 估算 32.2 tok/s28.3–36.1校准估算 ±12% | Q4_K_M | 22.6 / 24.0 GB | 全部载入显卡 | 最长 8k |
|
| DeepSeek R1 Distill Qwen 32B | 运行流畅 | 估算 32.1 tok/s28.2–35.9校准估算 ±12% | Q4_K_M | 22.7 / 24.0 GB | 全部载入显卡 | 最长 8k |
|
| Nemotron 3.5 Lightning 30B-A3B | 运行良好 | 估算 126.5 tok/s88.5–164.4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 |
|
| K2-Horizon MoVA 36B-A4B | 运行良好 | 估算 82.6 tok/s57.8–107.4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 |
|
| Kolibri 1 | 无法运行改用 IQ4_XS：运行良好 | 估算 70.1 tok/s49.0–91.1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 |
|
| 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 42.2 tok/s29.5–54.8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 |
|
| Solar Open 100B | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 28.9 tok/s20.2–37.5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 |
|
| Llama 3.3 70B | 无法运行改用 IQ4_XS：运行较慢 | 估算 2.2 tok/s1.8–2.6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 | — | — |
|
| GLM-5.3 Flash | 无法运行 | — | Q4_K_M | 需要 181.4 GB | — | — |
|
| gpt-oss-120b | 无法运行 | — | MXFP4 | 需要 63.6 GB | — | — |
|
| Laguna S 2.1 | 无法运行 | — | Q4_K_M | 需要 68.5 GB | — | — |
|
| Ling-3.0 Flash | 无法运行 | — | Q4_K_M | 需要 75.4 GB | — | — |
|
| Solar Open 2 250B | 无法运行 | — | IQ4_XS | 需要 136.5 GB | — | — |
|
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 Ti 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。
| 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 | 6,567.0 | 171.2 | — | github.com | 2025-08-01 |
| Qwen3 8B | Q4_K_XL | llama.cpp | 4k | 4,468.0 | 123.7 | CUDA | hardware-corner.net | 2025-12-09 |
| Qwen3 32B | Q4_K_XL | llama.cpp | 4k | 1,239.0 | 38.0 | CUDA | hardware-corner.net | 2025-12-09 |
常见问题
能完全在 GeForce RTX 3090 Ti 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 155.9 tok/s（124.7–187.1，校准估算 ±20%）。
GeForce RTX 3090 Ti 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，46 个运行流畅、2 个运行良好、0 个运行较慢，10 个无法运行。
GeForce RTX 3090 Ti 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（1.8–2.6，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。