趋近智
NVIDIA RTX 4090 (24GB)
NVIDIA RTX 4090 (24GB) 配备 24 GB 专用显存与 1008 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
24 GB
可用显存上限
24 GB
显存带宽
1008 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
450W
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 4090 (24GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 4090 (24GB) 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 |
|---|---|---|---|---|---|---|
#33 | Qwen 3.8 27B | 27B | INT4 | 48 tok/s | ~1.8s | |
#48 | Agnes 3.0 Flash | 33B | INT4 | 41 tok/s | ~2.2s | |
#72 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 153 tok/s | ~387 ms | |
#83 | Qwen3.5-27B | 27B | INT4 | 48 tok/s | ~1.8s | |
#92 | Sarvam-30B | 32B (2.4B active) | INT4 | 194 tok/s | ~250 ms | |
#94 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 171 tok/s | ~316 ms | |
#96 | Muse Glimmer 30B | 30B | INT4 | 44 tok/s | ~2.0s | |
#100 | Phi-4 Reasoning Plus | 14B | INT4 Q8 | 62 tok/s 43 tok/s | ~952 ms ~959 ms | |
#101 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 5 tok/s 3 tok/s | ~19.6s ~21.5s | |
#108 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 | 169 tok/s | ~327 ms | |
#109 | Gemma 4 12B | 11.95B | INT4 Q8 | 70 tok/s 49 tok/s | ~816 ms ~822 ms | |
#113 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 113 tok/s 74 tok/s 39 tok/s | ~616 ms ~621 ms ~685 ms | |
#114 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 171 tok/s | ~316 ms | |
#118 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 134 tok/s 89 tok/s 52 tok/s | ~484 ms ~487 ms ~496 ms | |
#128 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 42 tok/s 25 tok/s 13 tok/s | ~1.9s ~1.9s ~2.0s | |
#129 | Gemma 4 31B | 30.7B | INT4 | 43 tok/s | ~2.0s | |
#131 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 81 tok/s | ~316 ms | |
#132 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 182 tok/s 131 tok/s 81 tok/s | ~286 ms ~288 ms ~293 ms | |
#133 | Qwen3-30B-A3B | 30B (3B active) | INT4 | 182 tok/s | ~286 ms | |
#136 | GPT-OSS 20B | 21B (3.6B active) | INT4 | 93 tok/s | ~311 ms | |
#146 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 123 tok/s 81 tok/s 46 tok/s | ~549 ms ~554 ms ~563 ms | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 123 tok/s 81 tok/s 46 tok/s | ~549 ms ~554 ms ~563 ms | |
#151 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 | 182 tok/s | ~286 ms | |
#153 | Qwen3-32B | 32B | INT4 | 42 tok/s | ~2.1s | |
#156 | GLM-4 | 32B | INT4 | 30 tok/s | ~2.5s | |
#158 | GLM-4V | 9B | INT4 Q8 FP16 | 86 tok/s 62 tok/s 36 tok/s | ~619 ms ~624 ms ~688 ms | |
#159 | Gemma 3 27B | 27B | INT4 | 48 tok/s | ~1.8s | |
#160 | Phi-4 | 14B | INT4 Q8 | 82 tok/s 51 tok/s | ~948 ms ~955 ms | |
#162 | DeepSeek-R1 32B | 32B | INT4 | 43 tok/s | ~2.1s | |
#164 | Qwen2.5-32B | 32B | INT4 | 42 tok/s | ~2.1s | |
#168 | Magistral Small | 24B | INT4 | 41 tok/s | ~1.6s | |
#169 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 101 tok/s 75 tok/s 46 tok/s | ~486 ms ~490 ms ~498 ms | |
#170 | OLMo 3.1 32B Instruct | 32B | INT4 | 30 tok/s | ~2.5s | |
#172 | DeepSeek-R1 14B | 14B | INT4 Q8 | 85 tok/s 52 tok/s | ~948 ms ~955 ms | |
#173 | Ministral 3 14B | 14B | INT4 Q8 | 62 tok/s 43 tok/s | ~952 ms ~959 ms | |
#177 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 92 tok/s 58 tok/s 29 tok/s | ~816 ms ~822 ms ~979 ms | |
#180 | OLMo 3 32B Base | 32B | INT4 | 30 tok/s | ~2.5s | |
#181 | Mistral-Small-2501 | 24B | INT4 | 53 tok/s | ~1.6s | |
#182 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 93 tok/s 68 tok/s 39 tok/s | ~552 ms ~556 ms ~613 ms | |
#183 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 239 tok/s 191 tok/s 132 tok/s | ~155 ms ~156 ms ~159 ms | |
#184 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 239 tok/s 191 tok/s 132 tok/s | ~155 ms ~156 ms ~159 ms | |
#185 | Qwen2.5-14B | 14B | INT4 Q8 | 82 tok/s 51 tok/s | ~948 ms ~955 ms | |
#186 | Gemma 2 27B | 27B | INT4 | 48 tok/s | ~1.8s | |
#187 | OLMo 3.1 32B Think | 32B | INT4 | 30 tok/s | ~2.5s | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 161 tok/s 112 tok/s 67 tok/s | ~359 ms ~361 ms ~367 ms | |
#189 | Qwen3-4B | 4B | INT4 Q8 FP16 | 182 tok/s 131 tok/s 81 tok/s | ~286 ms ~288 ms ~293 ms | |
#190 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 125 tok/s 82 tok/s 46 tok/s | ~549 ms ~553 ms ~563 ms | |
#193 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 154 tok/s 126 tok/s 88 tok/s | ~222 ms ~223 ms ~227 ms | |
#195 | Qwen3-14B | 14B | INT4 Q8 | 82 tok/s 51 tok/s | ~948 ms ~955 ms | |
#197 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 113 tok/s 74 tok/s 39 tok/s | ~616 ms ~621 ms ~685 ms | |
#198 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 134 tok/s 89 tok/s 52 tok/s | ~484 ms ~487 ms ~496 ms | |
#199 | Qwen3-8B | 8B | INT4 Q8 FP16 | 123 tok/s 81 tok/s 46 tok/s | ~549 ms ~554 ms ~563 ms | |
#200 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 182 tok/s 131 tok/s 81 tok/s | ~286 ms ~288 ms ~293 ms | |
#201 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 136 tok/s 91 tok/s 52 tok/s | ~484 ms ~487 ms ~495 ms | |
#202 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 123 tok/s 81 tok/s 46 tok/s | ~549 ms ~554 ms ~563 ms | |
#204 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 252 tok/s 206 tok/s 146 tok/s | ~134 ms ~135 ms ~137 ms | |
#205 | Command R | 35B | INT4 | 28 tok/s | ~2.7s | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 328 tok/s 315 tok/s 287 tok/s | ~27 ms ~27 ms ~28 ms | |
#208 | Llama 3 8B | 8B | INT4 Q8 FP16 | 123 tok/s 81 tok/s 46 tok/s | ~549 ms ~554 ms ~563 ms | |
#209 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 318 tok/s 289 tok/s 241 tok/s | ~51 ms ~52 ms ~53 ms | |
#210 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 186 tok/s 136 tok/s 85 tok/s | ~273 ms ~275 ms ~280 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 123 tok/s 81 tok/s 46 tok/s | ~549 ms ~554 ms ~563 ms | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 262 tok/s 217 tok/s 157 tok/s | ~119 ms ~120 ms ~122 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 207 tok/s 156 tok/s 101 tok/s | ~220 ms ~222 ms ~225 ms | |
#215 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 303 tok/s 269 tok/s 215 tok/s | ~67 ms ~68 ms ~69 ms | |
#216 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 186 tok/s 136 tok/s 85 tok/s | ~273 ms ~275 ms ~280 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 154 tok/s 136 tok/s 103 tok/s | ~167 ms ~168 ms ~171 ms | |
#218 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 130 tok/s 87 tok/s 50 tok/s | ~503 ms ~507 ms ~516 ms | |
#219 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 289 tok/s 251 tok/s 194 tok/s | ~84 ms ~84 ms ~85 ms | |
#220 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 239 tok/s 191 tok/s 132 tok/s | ~155 ms ~156 ms ~159 ms | |
#221 | Phi-3-medium | 14B | INT4 Q8 | 82 tok/s 51 tok/s | ~948 ms ~955 ms | |
#222 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 101 tok/s 75 tok/s 46 tok/s | ~486 ms ~490 ms ~498 ms | |
#223 | Yi-34B | 34B | INT4 | 28 tok/s | ~2.6s | |
#224 | Qwen2-7B | 7B | INT4 Q8 FP16 | 134 tok/s 89 tok/s 52 tok/s | ~484 ms ~487 ms ~496 ms | |
#225 | Phi-3-small | 7B | INT4 Q8 FP16 | 134 tok/s 89 tok/s 52 tok/s | ~484 ms ~487 ms ~496 ms | |
#226 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 289 tok/s 251 tok/s 194 tok/s | ~84 ms ~84 ms ~85 ms | |
#227 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 130 tok/s 87 tok/s 50 tok/s | ~503 ms ~507 ms ~516 ms | |
#229 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 101 tok/s 75 tok/s 46 tok/s | ~486 ms ~490 ms ~498 ms | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 249 tok/s 197 tok/s 135 tok/s | ~155 ms ~156 ms ~158 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 111 tok/s 83 tok/s 53 tok/s | ~420 ms ~423 ms ~430 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 111 tok/s 83 tok/s 53 tok/s | ~420 ms ~423 ms ~430 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 111 tok/s 83 tok/s 53 tok/s | ~420 ms ~423 ms ~430 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 326 tok/s 301 tok/s 256 tok/s | ~44 ms ~44 ms ~45 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 326 tok/s 301 tok/s 256 tok/s | ~44 ms ~44 ms ~45 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 323 tok/s 309 tok/s 279 tok/s | ~29 ms ~29 ms ~30 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 323 tok/s 309 tok/s 279 tok/s | ~29 ms ~29 ms ~30 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 297 tok/s 257 tok/s 198 tok/s | ~83 ms ~84 ms ~85 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 289 tok/s 251 tok/s 194 tok/s | ~84 ms ~84 ms ~85 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 262 tok/s 217 tok/s 157 tok/s | ~119 ms ~120 ms ~122 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 262 tok/s 217 tok/s 157 tok/s | ~119 ms ~120 ms ~122 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 252 tok/s 206 tok/s 146 tok/s | ~134 ms ~135 ms ~137 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 248 tok/s 201 tok/s 141 tok/s | ~140 ms ~141 ms ~143 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 215 tok/s 160 tok/s 103 tok/s | ~220 ms ~222 ms ~225 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 212 tok/s 188 tok/s 146 tok/s | ~106 ms ~106 ms ~108 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 212 tok/s 188 tok/s 146 tok/s | ~106 ms ~106 ms ~108 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 212 tok/s 188 tok/s 146 tok/s | ~106 ms ~106 ms ~108 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 209 tok/s 157 tok/s 101 tok/s | ~220 ms ~222 ms ~225 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 207 tok/s 156 tok/s 101 tok/s | ~220 ms ~222 ms ~225 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 207 tok/s 156 tok/s 101 tok/s | ~220 ms ~222 ms ~225 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 188 tok/s 131 tok/s | ~268 ms ~315 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 188 tok/s 131 tok/s | ~268 ms ~315 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 | 183 tok/s | ~281 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 | 183 tok/s | ~281 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 | 182 tok/s | ~286 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 182 tok/s 131 tok/s 81 tok/s | ~286 ms ~288 ms ~293 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 160 tok/s 133 tok/s 94 tok/s | ~202 ms ~204 ms ~207 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 154 tok/s 126 tok/s 88 tok/s | ~222 ms ~223 ms ~227 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 154 tok/s 126 tok/s 88 tok/s | ~222 ms ~223 ms ~227 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 138 tok/s 91 tok/s 52 tok/s | ~483 ms ~487 ms ~495 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 134 tok/s 89 tok/s 52 tok/s | ~484 ms ~487 ms ~496 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 134 tok/s 89 tok/s 52 tok/s | ~484 ms ~487 ms ~496 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 130 tok/s 87 tok/s 50 tok/s | ~503 ms ~507 ms ~516 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 113 tok/s 74 tok/s 39 tok/s | ~616 ms ~621 ms ~685 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 113 tok/s 74 tok/s 39 tok/s | ~616 ms ~621 ms ~685 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 111 tok/s 83 tok/s 53 tok/s | ~420 ms ~423 ms ~430 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 111 tok/s 83 tok/s 53 tok/s | ~420 ms ~423 ms ~430 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 106 tok/s 68 tok/s 36 tok/s | ~682 ms ~688 ms ~758 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 106 tok/s 89 tok/s | ~262 ms ~285 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 102 tok/s 64 tok/s 32 tok/s | ~748 ms ~754 ms ~898 ms | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 101 tok/s 75 tok/s 46 tok/s | ~486 ms ~490 ms ~498 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 101 tok/s 75 tok/s 46 tok/s | ~486 ms ~490 ms ~498 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 101 tok/s 74 tok/s 46 tok/s | ~493 ms ~496 ms ~504 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 101 tok/s 74 tok/s 46 tok/s | ~493 ms ~496 ms ~504 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 93 tok/s 68 tok/s 39 tok/s | ~552 ms ~556 ms ~613 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 93 tok/s 68 tok/s 39 tok/s | ~552 ms ~556 ms ~613 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 86 tok/s 62 tok/s 36 tok/s | ~619 ms ~624 ms ~688 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 86 tok/s 62 tok/s 36 tok/s | ~619 ms ~624 ms ~688 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 86 tok/s 62 tok/s 36 tok/s | ~619 ms ~624 ms ~688 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 86 tok/s 62 tok/s 36 tok/s | ~619 ms ~624 ms ~688 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 85 tok/s 61 tok/s 35 tok/s | ~632 ms ~637 ms ~702 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 85 tok/s 61 tok/s 35 tok/s | ~632 ms ~637 ms ~702 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 | 62 tok/s 43 tok/s | ~952 ms ~959 ms | |
- | Falcon-40B | 40B | INT4 | 34 tok/s | ~2.9s | |
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
32B 模型
8位精度
14B 模型
16位全精度
8B 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
32B 模型
LoRA
14B 模型
全参数微调
3B 模型
负载与选型建议
NVIDIA RTX 4090 (24GB) 上的最佳量化精度与运行规格建议。
最佳推理区间
适合在全精度或 Q8 精度下运行 14B 模型，以及在 Q4 精度下搭配最高 32k 上下文运行 32B 模型。
显存带宽与推理速率
具备 1008 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 224 tok/s，70B Q4 模型预估生成速度约 27 tok/s。