趋近智
NVIDIA RTX 5090 (32GB)
NVIDIA RTX 5090 (32GB) 配备 32 GB 专用显存与 1792 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
32 GB
可用显存上限
32 GB
显存带宽
1792 GB/s
最大推理模型级别
32B 模型 (Q4)
热设计功耗
575W
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 5090 (32GB) 最佳运行大模型与速度矩阵
主流开源大模型在 NVIDIA RTX 5090 (32GB) 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 Q8 | 78 tok/s 46 tok/s | ~723 ms ~792 ms | |
#49 | Agnes 3.0 Flash | 33B | INT4 | 67 tok/s | ~878 ms | |
#72 | K2 Horizon MoVA 36B A4B | 36B (4B active) | INT4 | 214 tok/s | ~147 ms | |
#80 | Qwen3.5-27B | 27B | INT4 Q8 | 78 tok/s 46 tok/s | ~723 ms ~792 ms | |
#84 | MiMo V2 Flash | 15B (309B active) | INT4 Q8 | 9 tok/s 5 tok/s | ~7.8s ~7.9s | |
#87 | Sarvam-30B | 32B (2.4B active) | INT4 | 245 tok/s | ~104 ms | |
#90 | Muse Glimmer 30B | 30B | INT4 Q8 | 72 tok/s 39 tok/s | ~801 ms ~948 ms | |
#95 | Qwen3.6 35B A3B | 35B (3B active) | INT4 | 232 tok/s | ~121 ms | |
#96 | Phi-4 Reasoning Plus | 14B | INT4 Q8 FP16 | 98 tok/s 70 tok/s 38 tok/s | ~386 ms ~390 ms ~466 ms | |
#102 | Gemma 4 26B A4B | 25.2B (3.8B active) | INT4 Q8 | 222 tok/s 169 tok/s | ~135 ms ~147 ms | |
#110 | Qwen3.5-35B-A3B | 35B (3B active) | INT4 | 232 tok/s | ~121 ms | |
#117 | Qwen3.5-9B | 9B | INT4 Q8 FP16 | 163 tok/s 113 tok/s 68 tok/s | ~251 ms ~254 ms ~260 ms | |
#119 | K2 Horizon 7B | 7B | INT4 Q8 FP16 | 186 tok/s 134 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
#124 | Gemma 4 12B | 11.95B | INT4 Q8 FP16 | 108 tok/s 79 tok/s 46 tok/s | ~331 ms ~335 ms ~371 ms | |
#127 | Gemma 4 31B | 30.7B | INT4 Q8 | 71 tok/s 39 tok/s | ~819 ms ~969 ms | |
#130 | Nemotron 3.5 Lightning | 30B (3B active) | INT4 | 128 tok/s | ~122 ms | |
#131 | Qwen3.5-4B | 4B | INT4 Q8 FP16 | 234 tok/s 183 tok/s 124 tok/s | ~119 ms ~120 ms ~123 ms | |
#133 | GPT-OSS 20B | 21B (3.6B active) | INT4 Q8 | 139 tok/s 118 tok/s | ~129 ms ~141 ms | |
#139 | NVIDIA Nemotron 3 Nano 30B-A3B | 3.5B (30B active) | INT4 Q8 FP16 | 69 tok/s 43 tok/s 23 tok/s | ~777 ms ~786 ms ~805 ms | |
#143 | Qwen3-30B-A3B | 30B (3B active) | INT4 Q8 | 234 tok/s 175 tok/s | ~119 ms ~139 ms | |
#145 | Granite 4.2 8B | 8B | INT4 Q8 FP16 | 174 tok/s 123 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#150 | Gemma 4 E4B | 8B | INT4 Q8 FP16 | 174 tok/s 123 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#152 | Nemotron 3.5 Lightning 30B A3B | 30B (3B active) | INT4 Q8 | 234 tok/s 175 tok/s | ~119 ms ~139 ms | |
#153 | Mistral Large 3 | 41B (675B active) | INT4 | 4 tok/s | ~20.1s | |
#155 | GLM-4 | 32B | INT4 | 55 tok/s | ~856 ms | |
#157 | GLM-4V | 9B | INT4 Q8 FP16 | 129 tok/s 97 tok/s 62 tok/s | ~253 ms ~255 ms ~261 ms | |
#157 | Phi-4 | 14B | INT4 Q8 FP16 | 125 tok/s 82 tok/s 44 tok/s | ~384 ms ~388 ms ~430 ms | |
#157 | Gemma 3 27B | 27B | INT4 Q8 | 78 tok/s 46 tok/s | ~723 ms ~792 ms | |
#162 | Qwen3-32B | 32B | INT4 | 68 tok/s | ~853 ms | |
#163 | Qwen2.5-32B | 32B | INT4 | 68 tok/s | ~853 ms | |
#164 | DeepSeek-R1 32B | 32B | INT4 Q8 | 70 tok/s 38 tok/s | ~852 ms ~1.0s | |
#166 | Magistral Small | 24B | INT4 Q8 | 68 tok/s 44 tok/s | ~648 ms ~710 ms | |
#167 | OLMo 3.1 32B Instruct | 32B | INT4 | 55 tok/s | ~856 ms | |
#171 | Ministral 3 14B | 14B | INT4 Q8 FP16 | 98 tok/s 70 tok/s 38 tok/s | ~386 ms ~390 ms ~466 ms | |
#172 | DeepSeek-R1 14B | 14B | INT4 Q8 FP16 | 128 tok/s 83 tok/s 45 tok/s | ~383 ms ~388 ms ~430 ms | |
#175 | Gemma 3 12B | 12B | INT4 Q8 FP16 | 138 tok/s 92 tok/s 53 tok/s | ~331 ms ~334 ms ~342 ms | |
#179 | Mistral-Small-2501 | 24B | INT4 Q8 | 85 tok/s 50 tok/s | ~645 ms ~707 ms | |
#180 | OLMo 3 32B Base | 32B | INT4 | 55 tok/s | ~856 ms | |
#181 | Ministral 3 8B | 8B | INT4 Q8 FP16 | 139 tok/s 106 tok/s 68 tok/s | ~226 ms ~228 ms ~233 ms | |
#182 | OLMo 3 7B Think | 7B | INT4 Q8 FP16 | 149 tok/s 115 tok/s 75 tok/s | ~199 ms ~201 ms ~206 ms | |
#183 | Gemma 2 27B | 27B | INT4 Q8 | 78 tok/s 46 tok/s | ~723 ms ~792 ms | |
#184 | Qwen3.5-2B | 2B | INT4 Q8 FP16 | 283 tok/s 243 tok/s 184 tok/s | ~67 ms ~67 ms ~68 ms | |
#185 | Qwen2.5-14B | 14B | INT4 Q8 FP16 | 125 tok/s 82 tok/s 44 tok/s | ~384 ms ~388 ms ~430 ms | |
#186 | MiniCPM5-2B | 2B | INT4 Q8 FP16 | 283 tok/s 243 tok/s 184 tok/s | ~67 ms ~67 ms ~68 ms | |
#187 | OLMo 3.1 32B Think | 32B | INT4 | 55 tok/s | ~856 ms | |
#188 | Gemma 4 E2B | 5.1B | INT4 Q8 FP16 | 214 tok/s 161 tok/s 105 tok/s | ~148 ms ~149 ms ~153 ms | |
#191 | Ministral 3 3B | 3B | INT4 Q8 FP16 | 207 tok/s 177 tok/s 131 tok/s | ~94 ms ~94 ms ~96 ms | |
#192 | DeepSeek-R1 8B | 8B | INT4 Q8 FP16 | 177 tok/s 124 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#194 | Gemma 2 9B | 9B | INT4 Q8 FP16 | 163 tok/s 113 tok/s 68 tok/s | ~251 ms ~254 ms ~260 ms | |
#195 | Kimi Linear 48B A3B Instruct | 48B (3B active) | INT4 | 102 tok/s | ~153 ms | |
#196 | Qwen2.5-7B | 7B | INT4 Q8 FP16 | 186 tok/s 134 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
#197 | Gemma 3 4B | 4B | INT4 Q8 FP16 | 234 tok/s 183 tok/s 124 tok/s | ~119 ms ~120 ms ~123 ms | |
#198 | Qwen3-4B | 4B | INT4 Q8 FP16 | 234 tok/s 183 tok/s 124 tok/s | ~119 ms ~120 ms ~123 ms | |
#199 | DeepSeek-R1 7B | 7B | INT4 Q8 FP16 | 188 tok/s 135 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
#200 | Llama 3.1 8B | 8B | INT4 Q8 FP16 | 174 tok/s 123 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#201 | Qwen3-14B | 14B | INT4 Q8 FP16 | 125 tok/s 82 tok/s 44 tok/s | ~384 ms ~388 ms ~430 ms | |
#203 | Command R | 35B | INT4 | 51 tok/s | ~934 ms | |
#205 | Llama 3 8B | 8B | INT4 Q8 FP16 | 174 tok/s 123 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#206 | Gemma 3 270M | 0.27B | INT4 Q8 FP16 | 346 tok/s 337 tok/s 318 tok/s | ~15 ms ~16 ms ~16 ms | |
#207 | Qwen3-1.7B | 1.7B | INT4 Q8 FP16 | 293 tok/s 256 tok/s 199 tok/s | ~58 ms ~58 ms ~60 ms | |
#208 | Qwen3-0.6B | 0.6B | INT4 Q8 FP16 | 339 tok/s 320 tok/s 284 tok/s | ~25 ms ~25 ms ~26 ms | |
#209 | Phi-4-Mini | 3.8B | INT4 Q8 FP16 | 238 tok/s 188 tok/s 128 tok/s | ~114 ms ~115 ms ~117 ms | |
#210 | Qwen3-8B | 8B | INT4 Q8 FP16 | 174 tok/s 123 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#211 | Mixtral-8x7B-v0.1 | 46.7B (7B active) | INT4 | 163 tok/s | ~247 ms | |
#212 | Ministral-8B-2410 | 8B | INT4 Q8 FP16 | 174 tok/s 123 tok/s 75 tok/s | ~224 ms ~227 ms ~232 ms | |
#213 | DeepSeek-R1 1.5B | 1.5B | INT4 Q8 FP16 | 300 tok/s 265 tok/s 210 tok/s | ~52 ms ~53 ms ~54 ms | |
#214 | Llama 3.2 3B | 3B | INT4 Q8 FP16 | 256 tok/s 209 tok/s 148 tok/s | ~93 ms ~94 ms ~96 ms | |
#215 | Phi-3-mini | 3.8B | INT4 Q8 FP16 | 238 tok/s 188 tok/s 128 tok/s | ~114 ms ~115 ms ~117 ms | |
#216 | Qwen3.5-0.8B | 0.8B | INT4 Q8 FP16 | 329 tok/s 306 tok/s 263 tok/s | ~31 ms ~32 ms ~32 ms | |
#217 | Gemma 3n E2B IT | 6B (2B active) | INT4 Q8 FP16 | 207 tok/s 188 tok/s 151 tok/s | ~72 ms ~72 ms ~74 ms | |
#218 | Gemma 2 2B | 2B | INT4 Q8 FP16 | 283 tok/s 243 tok/s 184 tok/s | ~67 ms ~67 ms ~68 ms | |
#219 | Mistral-7B-Instruct-v0.1 | 7.3B | INT4 Q8 FP16 | 182 tok/s 130 tok/s 80 tok/s | ~206 ms ~208 ms ~213 ms | |
#220 | Llama 3.2 1B | 1B | INT4 Q8 FP16 | 320 tok/s 292 tok/s 245 tok/s | ~38 ms ~38 ms ~39 ms | |
#221 | Phi-3-medium | 14B | INT4 Q8 FP16 | 125 tok/s 82 tok/s 44 tok/s | ~384 ms ~388 ms ~430 ms | |
#222 | Yi-34B | 34B | INT4 | 52 tok/s | ~908 ms | |
#223 | OLMo 3 7B Instruct | 7B | INT4 Q8 FP16 | 149 tok/s 115 tok/s 75 tok/s | ~199 ms ~201 ms ~206 ms | |
#224 | Gemma 1 7B | 7B | INT4 Q8 FP16 | 149 tok/s 115 tok/s 75 tok/s | ~199 ms ~201 ms ~206 ms | |
#225 | Qwen2-7B | 7B | INT4 Q8 FP16 | 186 tok/s 134 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
#226 | Phi-3-small | 7B | INT4 Q8 FP16 | 186 tok/s 134 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
#227 | Gemma 3 1B | 1B | INT4 Q8 FP16 | 320 tok/s 292 tok/s 245 tok/s | ~38 ms ~38 ms ~39 ms | |
#228 | Mistral-7B-Instruct-v0.2 | 7.3B | INT4 Q8 FP16 | 182 tok/s 130 tok/s 80 tok/s | ~206 ms ~208 ms ~213 ms | |
#230 | Gemma 1 2B | 2B | INT4 Q8 FP16 | 291 tok/s 248 tok/s 187 tok/s | ~66 ms ~67 ms ~68 ms | |
#231 | ChatGLM3-6B | 6B | INT4 Q8 FP16 | 160 tok/s 126 tok/s 84 tok/s | ~173 ms ~175 ms ~179 ms | |
#232 | ChatGLM2-6B | 6B | INT4 Q8 FP16 | 160 tok/s 126 tok/s 84 tok/s | ~173 ms ~175 ms ~179 ms | |
#233 | ChatGLM-6B | 6B | INT4 Q8 FP16 | 160 tok/s 126 tok/s 84 tok/s | ~173 ms ~175 ms ~179 ms | |
未上榜模型（按推理速度排序） | ||||||
- | Qwen2-0.5B | 0.5B | INT4 Q8 FP16 | 344 tok/s 328 tok/s 296 tok/s | ~22 ms ~22 ms ~23 ms | |
- | Qwen2.5-0.5B | 0.5B | INT4 Q8 FP16 | 344 tok/s 328 tok/s 296 tok/s | ~22 ms ~22 ms ~23 ms | |
- | ERNIE-4.5-0.3B | 0.3B | INT4 Q8 FP16 | 342 tok/s 333 tok/s 313 tok/s | ~16 ms ~16 ms ~17 ms | |
- | ERNIE-4.5-0.3B-Base | 0.3B | INT4 Q8 FP16 | 342 tok/s 333 tok/s 313 tok/s | ~16 ms ~16 ms ~17 ms | |
- | Falcon-1B | 1B | INT4 Q8 FP16 | 325 tok/s 297 tok/s 248 tok/s | ~38 ms ~38 ms ~39 ms | |
- | Falcon3-1B | 1B | INT4 Q8 FP16 | 320 tok/s 292 tok/s 245 tok/s | ~38 ms ~38 ms ~39 ms | |
- | Qwen2-1.5B | 1.5B | INT4 Q8 FP16 | 300 tok/s 265 tok/s 210 tok/s | ~52 ms ~53 ms ~54 ms | |
- | Qwen2.5-1.5B | 1.5B | INT4 Q8 FP16 | 300 tok/s 265 tok/s 210 tok/s | ~52 ms ~53 ms ~54 ms | |
- | Spark X2.5 1.7B | 1.7B | INT4 Q8 FP16 | 293 tok/s 256 tok/s 199 tok/s | ~58 ms ~58 ms ~60 ms | |
- | Hy-MT2 1.8B | 1.8B | INT4 Q8 FP16 | 290 tok/s 251 tok/s 194 tok/s | ~61 ms ~61 ms ~62 ms | |
- | Falcon-3B | 3B | INT4 Q8 FP16 | 263 tok/s 213 tok/s 150 tok/s | ~93 ms ~93 ms ~95 ms | |
- | CroissantLLM Base | 1.3B | INT4 Q8 FP16 | 261 tok/s 240 tok/s 199 tok/s | ~47 ms ~47 ms ~48 ms | |
- | Phi-1 | 1.3B | INT4 Q8 FP16 | 261 tok/s 240 tok/s 199 tok/s | ~47 ms ~47 ms ~48 ms | |
- | Phi-1.5 | 1.3B | INT4 Q8 FP16 | 261 tok/s 240 tok/s 199 tok/s | ~47 ms ~47 ms ~48 ms | |
- | DeepSeek-R1 3B | 3B | INT4 Q8 FP16 | 258 tok/s 210 tok/s 148 tok/s | ~93 ms ~94 ms ~95 ms | |
- | Falcon3-3B | 3B | INT4 Q8 FP16 | 256 tok/s 209 tok/s 148 tok/s | ~93 ms ~94 ms ~96 ms | |
- | Qwen2.5-3B | 3B | INT4 Q8 FP16 | 256 tok/s 209 tok/s 148 tok/s | ~93 ms ~94 ms ~96 ms | |
- | ERNIE-4.5-21B-A3B | 21B (3B active) | INT4 Q8 | 240 tok/s 198 tok/s | ~111 ms ~112 ms | |
- | ERNIE-4.5-21B-A3B-Base | 21B (3B active) | INT4 Q8 | 240 tok/s 198 tok/s | ~111 ms ~112 ms | |
- | ERNIE-4.5-VL-28B-A3B | 28B (3B active) | INT4 Q8 | 235 tok/s 186 tok/s | ~117 ms ~127 ms | |
- | ERNIE-4.5-VL-28B-A3B-Base | 28B (3B active) | INT4 Q8 | 235 tok/s 186 tok/s | ~117 ms ~127 ms | |
- | Hy-MT2 30B A3B | 30B (3B active) | INT4 Q8 | 234 tok/s 175 tok/s | ~119 ms ~139 ms | |
- | Spark X2.5 4B | 4B | INT4 Q8 FP16 | 234 tok/s 183 tok/s 124 tok/s | ~119 ms ~120 ms ~123 ms | |
- | Phi-2 | 2.7B | INT4 Q8 FP16 | 213 tok/s 185 tok/s 139 tok/s | ~86 ms ~86 ms ~88 ms | |
- | MaLLaM-3B | 3B | INT4 Q8 FP16 | 207 tok/s 177 tok/s 131 tok/s | ~94 ms ~94 ms ~96 ms | |
- | SmolLM3 3B | 3B | INT4 Q8 FP16 | 207 tok/s 177 tok/s 131 tok/s | ~94 ms ~94 ms ~96 ms | |
- | Falcon-7B | 7B | INT4 Q8 FP16 | 191 tok/s 136 tok/s 84 tok/s | ~198 ms ~200 ms ~205 ms | |
- | Falcon3-7B | 7B | INT4 Q8 FP16 | 186 tok/s 134 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
- | Hy-MT2 7B | 7B | INT4 Q8 FP16 | 186 tok/s 134 tok/s 83 tok/s | ~198 ms ~200 ms ~205 ms | |
- | Mistral-7B-v0.1 | 7.3B | INT4 Q8 FP16 | 182 tok/s 130 tok/s 80 tok/s | ~206 ms ~208 ms ~213 ms | |
- | LensVLM 9B | 9B | INT4 Q8 FP16 | 163 tok/s 113 tok/s 68 tok/s | ~251 ms ~254 ms ~260 ms | |
- | MiMo V2.6 Distill Qwen 9B | 9B | INT4 Q8 FP16 | 163 tok/s 113 tok/s 68 tok/s | ~251 ms ~254 ms ~260 ms | |
- | ChatGLM3-6B-32K | 6B | INT4 Q8 FP16 | 160 tok/s 126 tok/s 84 tok/s | ~173 ms ~175 ms ~179 ms | |
- | Yi-6B | 6B | INT4 Q8 FP16 | 160 tok/s 126 tok/s 84 tok/s | ~173 ms ~175 ms ~179 ms | |
- | Falcon3-10B | 10B | INT4 Q8 FP16 | 154 tok/s 105 tok/s 62 tok/s | ~277 ms ~280 ms ~287 ms | |
- | Kimi-VL-A3B-Instruct | 16B (3B active) | INT4 Q8 | 154 tok/s 139 tok/s | ~110 ms ~110 ms | |
- | Falcon2-11B | 11B | INT4 Q8 FP16 | 150 tok/s 100 tok/s 58 tok/s | ~304 ms ~307 ms ~314 ms | |
- | Hunyuan Lite | 7B | INT4 Q8 FP16 | 149 tok/s 115 tok/s 75 tok/s | ~199 ms ~201 ms ~206 ms | |
- | OLMo 3 7B Base | 7B | INT4 Q8 FP16 | 149 tok/s 115 tok/s 75 tok/s | ~199 ms ~201 ms ~206 ms | |
- | SEA-LION-7B | 7.1B | INT4 Q8 FP16 | 148 tok/s 114 tok/s 74 tok/s | ~202 ms ~204 ms ~209 ms | |
- | SEA-LION-7B-Instruct | 7.1B | INT4 Q8 FP16 | 148 tok/s 114 tok/s 74 tok/s | ~202 ms ~204 ms ~209 ms | |
- | Sahabat-AI-Llama3-8B-Instruct | 8B | INT4 Q8 FP16 | 139 tok/s 106 tok/s 68 tok/s | ~226 ms ~228 ms ~233 ms | |
- | Typhoon-2-8B | 8B | INT4 Q8 FP16 | 139 tok/s 106 tok/s 68 tok/s | ~226 ms ~228 ms ~233 ms | |
- | GLM-4-9B | 9B | INT4 Q8 FP16 | 129 tok/s 97 tok/s 62 tok/s | ~253 ms ~255 ms ~261 ms | |
- | GLM-4-9B-Chat | 9B | INT4 Q8 FP16 | 129 tok/s 97 tok/s 62 tok/s | ~253 ms ~255 ms ~261 ms | |
- | GLM-4-9B-Chat-1M | 9B | INT4 Q8 FP16 | 129 tok/s 97 tok/s 62 tok/s | ~253 ms ~255 ms ~261 ms | |
- | Yi-9B | 9B | INT4 Q8 FP16 | 129 tok/s 97 tok/s 62 tok/s | ~253 ms ~255 ms ~261 ms | |
- | Sahabat-AI-Gemma2-9B | 9.2B | INT4 Q8 FP16 | 128 tok/s 96 tok/s 61 tok/s | ~258 ms ~260 ms ~266 ms | |
- | Sahabat-AI-Gemma2-9B-Instruct | 9.2B | INT4 Q8 FP16 | 128 tok/s 96 tok/s 61 tok/s | ~258 ms ~260 ms ~266 ms | |
- | GreenMind-14B-R1 | 14B | INT4 Q8 FP16 | 98 tok/s 70 tok/s 38 tok/s | ~386 ms ~390 ms ~466 ms | |
- | Falcon-40B | 40B | INT4 | 58 tok/s | ~1.1s | |
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
14B 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 5090 (32GB) 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 1792 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 398 tok/s，70B Q4 模型预估生成速度约 47 tok/s。