趋近智
NVIDIA RTX 3080 (10GB)
NVIDIA RTX 3080 (10GB) 配备 10 GB 专用显存与 760 GB/s 显存带宽，支持 CUDA 和 TensorRT-LLM 运行环境，可进行全精度与量化大模型推理。
总显存
10 GB
可用显存上限
10 GB
显存带宽
760.3 GB/s
最大推理模型级别
8B 模型 (Q4)
热设计功耗
320W
显存占用随上下文长度变化曲线
随上下文长度增长的显存需求评估。当曲线超过参考线时将导致显存不足（OOM）。
量化精度:
NVIDIA RTX 3080 (10GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 3080 (10GB) 上的推理速度、显存兼容性与生成吞吐表现。
排序:
上下文长度:
KV 缓存:
显卡数量:
| 排名 | 模型 | 参数量 | 量化精度 | 预估 TPS | TTFT | 可运行 |
|---|---|---|---|---|---|---|
#113 | Qwen3.5-9B | 9B | INT4 | 93 tok/s | ~849 ms | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 | 111 tok/s 68 tok/s | ~666 ms ~728 ms | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 33 tok/s 19 tok/s 9 tok/s | ~2.7s ~2.7s ~3.2s | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 156 tok/s 109 tok/s 62 tok/s | ~393 ms ~395 ms ~435 ms | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 | 101 tok/s 58 tok/s | ~756 ms ~894 ms | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 | 101 tok/s 58 tok/s | ~756 ms ~894 ms | |
#158 | GLM-4V | 9B | INT4 | 65 tok/s | ~925 ms | |
#160 | Phi-4 | 14B | INT4 | 62 tok/s | ~1.4s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 | 82 tok/s 53 tok/s | ~669 ms ~790 ms | |
#172 | DeepSeek-R1 14B | 14B | INT4 | 64 tok/s | ~1.4s | |
#177 | Gemma 3 12B | 12B | INT4 | 74 tok/s | ~1.1s | |
#182 | Ministral 3 8B | 8B | INT4 | 75 tok/s | ~760 ms | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 214 tok/s 165 tok/s 109 tok/s | ~212 ms ~213 ms ~216 ms | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 214 tok/s 165 tok/s 109 tok/s | ~212 ms ~213 ms ~216 ms | |
#185 | Qwen2.5-14B | 14B | INT4 | 62 tok/s | ~1.4s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 | 136 tok/s 91 tok/s | ~493 ms ~496 ms | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 156 tok/s 109 tok/s 62 tok/s | ~393 ms ~395 ms ~435 ms | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 | 103 tok/s 62 tok/s | ~756 ms ~827 ms | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 130 tok/s 104 tok/s 67 tok/s | ~304 ms ~306 ms ~336 ms | |
#195 | Qwen3-14B | 14B | INT4 | 62 tok/s | ~1.4s | |
#197 | Gemma 2 9B | 9B | INT4 | 93 tok/s | ~849 ms | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 | 111 tok/s 68 tok/s | ~666 ms ~728 ms | |
#199 | Qwen3-8B | 8B | INT4 Q8 | 101 tok/s 58 tok/s | ~756 ms ~894 ms | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 156 tok/s 109 tok/s 62 tok/s | ~393 ms ~395 ms ~435 ms | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 | 113 tok/s 69 tok/s | ~665 ms ~727 ms | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 | 101 tok/s 58 tok/s | ~756 ms ~894 ms | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 228 tok/s 180 tok/s 122 tok/s | ~182 ms ~183 ms ~186 ms | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 317 tok/s 300 tok/s 267 tok/s | ~34 ms ~35 ms ~35 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 | 101 tok/s 58 tok/s | ~756 ms ~894 ms | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 305 tok/s 270 tok/s 216 tok/s | ~68 ms ~69 ms ~70 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 160 tok/s 112 tok/s 64 tok/s | ~374 ms ~377 ms ~415 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 | 101 tok/s 58 tok/s | ~756 ms ~894 ms | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 239 tok/s 191 tok/s 133 tok/s | ~162 ms ~163 ms ~165 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 181 tok/s 131 tok/s 82 tok/s | ~302 ms ~304 ms ~308 ms | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 286 tok/s 247 tok/s 189 tok/s | ~90 ms ~90 ms ~92 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 160 tok/s 112 tok/s 64 tok/s | ~374 ms ~377 ms ~415 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 | 130 tok/s 107 tok/s | ~228 ms ~248 ms | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 | 108 tok/s 66 tok/s | ~692 ms ~757 ms | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 270 tok/s 227 tok/s 168 tok/s | ~112 ms ~113 ms ~115 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 214 tok/s 165 tok/s 109 tok/s | ~212 ms ~213 ms ~216 ms | |
#221 | Phi-3-medium | 14B | INT4 | 62 tok/s | ~1.4s | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 | 82 tok/s 53 tok/s | ~669 ms ~790 ms | |
#224 | Qwen2-7B | 7B | INT4 Q8 | 111 tok/s 68 tok/s | ~666 ms ~728 ms | |
#225 | Phi-3-small | 7B | INT4 Q8 | 111 tok/s 68 tok/s | ~666 ms ~728 ms | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 270 tok/s 227 tok/s 168 tok/s | ~112 ms ~113 ms ~115 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 | 108 tok/s 66 tok/s | ~692 ms ~757 ms | |
#229 | Gemma 1 7B | 7B | INT4 Q8 | 82 tok/s 53 tok/s | ~669 ms ~790 ms | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 225 tok/s 171 tok/s 112 tok/s | ~211 ms ~213 ms ~216 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 | 90 tok/s 63 tok/s | ~578 ms ~631 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 | 90 tok/s 63 tok/s | ~578 ms ~631 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 | 90 tok/s 63 tok/s | ~578 ms ~631 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 314 tok/s 283 tok/s 232 tok/s | ~58 ms ~58 ms ~59 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 314 tok/s 283 tok/s 232 tok/s | ~58 ms ~58 ms ~59 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 311 tok/s 293 tok/s 258 tok/s | ~38 ms ~38 ms ~38 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 311 tok/s 293 tok/s 258 tok/s | ~38 ms ~38 ms ~38 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 279 tok/s 233 tok/s 171 tok/s | ~112 ms ~113 ms ~115 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 270 tok/s 227 tok/s 168 tok/s | ~112 ms ~113 ms ~115 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 239 tok/s 191 tok/s 133 tok/s | ~162 ms ~163 ms ~165 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 239 tok/s 191 tok/s 133 tok/s | ~162 ms ~163 ms ~165 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 228 tok/s 180 tok/s 122 tok/s | ~182 ms ~183 ms ~186 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 224 tok/s 175 tok/s 118 tok/s | ~191 ms ~192 ms ~195 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 189 tok/s 135 tok/s 83 tok/s | ~301 ms ~304 ms ~308 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 186 tok/s 162 tok/s 122 tok/s | ~143 ms ~144 ms ~146 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 186 tok/s 162 tok/s 122 tok/s | ~143 ms ~144 ms ~146 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 186 tok/s 162 tok/s 122 tok/s | ~143 ms ~144 ms ~146 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 183 tok/s 132 tok/s 82 tok/s | ~302 ms ~304 ms ~308 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 181 tok/s 131 tok/s 82 tok/s | ~302 ms ~304 ms ~308 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 181 tok/s 131 tok/s 82 tok/s | ~302 ms ~304 ms ~308 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 156 tok/s 109 tok/s 62 tok/s | ~393 ms ~395 ms ~435 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 135 tok/s 110 tok/s 75 tok/s | ~277 ms ~278 ms ~283 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 130 tok/s 104 tok/s 67 tok/s | ~304 ms ~306 ms ~336 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 130 tok/s 104 tok/s 67 tok/s | ~304 ms ~306 ms ~336 ms | |
- | Falcon-7B | 7B | INT4 Q8 | 115 tok/s 70 tok/s | ~665 ms ~727 ms | |
- | Falcon3-7B | 7B | INT4 Q8 | 111 tok/s 68 tok/s | ~666 ms ~728 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 | 111 tok/s 68 tok/s | ~666 ms ~728 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 | 108 tok/s 66 tok/s | ~692 ms ~757 ms | |
- | LensVLM 9B | 9B | INT4 | 93 tok/s | ~849 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 | 93 tok/s | ~849 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 | 90 tok/s 63 tok/s | ~578 ms ~631 ms | |
- | Yi-6B | 6B | INT4 Q8 | 90 tok/s 63 tok/s | ~578 ms ~631 ms | |
- | Falcon3-10B | 10B | INT4 | 86 tok/s | ~940 ms | |
- | Falcon2-11B | 11B | INT4 | 83 tok/s | ~1.0s | |
- | Hunyuan Lite | 7B | INT4 Q8 | 82 tok/s 53 tok/s | ~669 ms ~790 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 | 82 tok/s 53 tok/s | ~669 ms ~790 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 | 81 tok/s 53 tok/s | ~678 ms ~800 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 | 81 tok/s 53 tok/s | ~678 ms ~800 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 | 75 tok/s | ~760 ms | |
- | Typhoon-2-8B | 8B | INT4 | 75 tok/s | ~760 ms | |
- | GLM-4-9B | 9B | INT4 | 65 tok/s | ~925 ms | |
- | GLM-4-9B-Chat | 9B | INT4 | 65 tok/s | ~925 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 | 65 tok/s | ~925 ms | |
- | Yi-9B | 9B | INT4 | 65 tok/s | ~925 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 | 64 tok/s | ~945 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 | 64 tok/s | ~945 ms | |
推理能力评估
不同量化精度下可运行的最大模型参数级别。
上下文长度:
4位量化
8B 模型
8位精度
3B 模型
16位全精度
3B 模型
微调能力评估
本地模型训练与适配器微调支持能力。
微调上下文:
QLoRA
8B 模型
LoRA
3B 模型
全参数微调
< 1B 模型
负载与选型建议
NVIDIA RTX 3080 (10GB) 上的最佳量化精度与运行规格建议。
最佳推理区间
推荐以 FP16/Q8 精度运行 1B 至 3B 轻量级模型，或在 4-bit 量化下运行 7B/8B 模型。
显存带宽与推理速率
具备 760.3 GB/s 聚合带宽，单批次推理处于显存带宽受限模式。8B Q4 模型预估生成速度约 169 tok/s，70B Q4 模型预估生成速度约 20 tok/s。